MétaCan
Menu
Retour à la cohorte
Enregistrement W7147337106 · doi:10.1145/3769872.3769904

Controllable Modular Trees

2025· article· W7147337106 sur OpenAlexaff
S. Takikawa, Riccardo Tinchelli, Mike Davison, Curtis Andrus, James John Drown, Alla Sheffer

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineComputer Science
ThématiqueComputer Graphics and Visualization Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésModular designTree (set theory)Key (lock)Weight-balanced treeSet (abstract data type)ComputationFocus (optics)

Résumé

récupéré en direct d'OpenAlex

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,289
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetComputer Graphics and Visualization TechniquesTravaux en français237 207