Reconstrução Paramétrica do Tórax Humano Usando Visão Computacional [Not available in English]
Bibliographic record
Abstract
Com o crescimento do mercado de vendas online, existe uma nova demanda de aplicativos para facilitar e aumentar a experiência de compras online do cliente. Um exemplo é a loja de roupas, que fazem com que clientes favoreçam a compra em lojas físicas pela certeza de que a roupa irá servir perfeitamente. Neste sentido, a visão computacional pode ser usada para aumentar a experiência do cliente reconstruindo virtualmente seu corpo, permitindo o uso de um modelo virtual para mostrar o ajuste da roupa no corpo, para sugerir modelos baseados nas características físicas do cliente e prover medidas para a fabricação de roupas customizadas. Este artigo descreve a parte mais importante desta tecnologia, que é a reconstrução 3D do corpo utilizando-se uma cˆamera. Utilizando-se um vídeo, uma nuvem de pontos é gerada e o corpo é extraído dessa nuvem de pontos. A partir disso, um modelo paramétrico do torso é ajustado utilizando um algoritmo de otimização.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.059 | 0.011 |
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 source (direct Gemma or distilled Codex), 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".