Modelisation et prise en compte de l'influence des milieux participants pour la vision artificielle
Bibliographic record
Abstract
Dans le domaine de la vision par ordinateur, la modélisation de l'interaction de la lumière avec les particules en suspension dans un milieu participant permet de mieux comprendre les effets causés par ce milieu sur le système de formation d'image. De nos jours, la majorité des systèmes de vision existants sont basés sur le, concept de la dispersion simple de la lumière. Lors de l'interaction d'un faisceau lumineux avec les particules du milieu, le modèle de la dispersion simple prend en considération juste la partie du faisceau qui est directement transmise vers le système de formation d'image, tandis que la partie dispersée dans d'autres directions est ignorée. Plusieurs hypothèses liées aux types des particules ainsi qu'à leur concentration sont exigées afin que le modèle de dispersion simple puisse être employé. Cependant, ces hypothèses sont très restrictives et difficiles à satisfaire en pratique. A titre d'exemple dans le cas de la vision à travers un brouillard fortement dense, il est impossible d'employer le modèle de la dispersion simple de la lumière. Dans ce cas de figure, il est inévitable de faire appel au modèle de la dispersion multiple de la lumière. Contrairement au modèle simple, le modèle de dispersion multiple prend en considération aussi bien la partie du faisceau lumineux qui est directement transmise vers le système de formation d'image que la partie du faisceau qui est dispersée dans d'autres directions. Une bonne modélisation de l'interaction de la lumière avec les particules des milieux participants ouvrira la porte à une multitude d'applications dans différents domaines, entre autre, la photographie et la vidéographie sous-marine, la simulation du trafic routier/aérien, la simulation du brouillard et de la buée dans les jeux vidéos, etc. En ce sens, nous nous intéressons à la modélisation de la vision à travers différents milieux (eau, atmosphère; verre et la lentille) faisant intervenir le concept de la dispersion multiple de la lumière. Plus précisément, nous avons mis en oeuvre un nouveau filtre nous permettant de modéliser le phénomène de la dispersion multiple de la lumière. En se basant sur ce nouveau filtre, nous avons élaboré différents types d'application.Dans le premier travail, nous avons développé une famille de descripteurs invariants radiométriques et/ou géométriques. L'ensemble de ces descripteurs est utilisé dans le domaine de la reconnaissance des formes. Le deuxième travail est consacré à la modélisation de la vision à travers l'atmosphère sous la contrainte de la vision nocturne. Finalement, nous avons mis en oeuvre un ensemble de modèles destinés à modéliser la vision à travers des milieux variés (eau, atmosphère, verre et la lentille). L'ensemble de nos modèles et approches ont été testés et validés sur de nombreuses images de synthèse et réelles. Les résultats obtenus confirment l'exactitude des modèles et des approches proposés ainsi que leur contribution dans le domaine de la vision par ordinateur.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".