La sur-représentation du paysage
Bibliographic record
Abstract
Ce mémoire accompagne mon projet de maîtrise de création et de production d'images représentant le paysage. Ces images sont un simulacre et représentent une réalité augmentée faite à partir d'images de synthèse totalement imaginées. Il s'agit d'une « sur-représentation du paysage » qui propose une réalité vraisemblable et des environnements reconnaissables à première vue mais totalement réinterprétés virtuellement. La « sur-représentation » est un moyen de reconnaître et d'imaginer des lieux qui ne seront jamais visités autrement. \n \nAu moyen de deux logiciels de création 3D, soit Softimage et Vue d'Esprit, en plus de manipulations à l'aide d'autres logiciels de traitement d'images, je présente la production d'un court métrage, d'images fixes et de croquis. Le tout inspiré de l'observation du réel sous forme d'images représentant des paysages. Ces images proposent un voyage au spectateur car le court métrage est composé de plusieurs mises en scène extérieures. Ce voyage est aussi un périple en mouvement, le point de vue du spectateur étant animé dans l'espace virtuel.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.047 | 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".