Controllable Modular Trees
Notice bibliographique
Résumé
Trees are a ubiquitous part of virtual environments, but faithfully modeling trees is challenging because of their incredible diversity. Tree modeling methods face two key challenges, as users want to create trees that look realistic but retain control over key elements of their appearance, such as the shape of the tree crowns. Traditional tree modeling methods are geared to produce tree models that are both detailed and unique and are typically stored as high-triangle count meshes or skeletons plus radii. Storing and manipulating such traditional tree models comes with a significant memory cost. Recent approaches have proposed to use modular trees consisting of a finite set of branch modules, which are transformed (scaled, translated, and rotated) to jointly form realistic looking trees. Consequently, modular trees require orders of magnitude less memory than their traditional counterparts. However, existing methods for modeling modular trees focus on visual realism and provide only minimal mechanisms for artists to control the look and shape of the resulting trees. We propose a controllable method for modeling modular trees, enabling artists to define the tree’s overall crown shape while maintaining a plausible appearance using a small set of replicated branch modules. We formulate the computation of realistic modular trees that conform to a user-specified crown shape as a constrained mixed-variable optimization problem. We then compute the trees that satisfy these constraints using a method that grows trees one layer of branches at a time, maintaining realism throughout and promoting accurate approximation of the target crown shape. We extensively test our method on diverse crown shapes and compare against baselines, demonstrating its effectiveness.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».