Diskusija:Flexible Modeling

- Derētu saprast kas diagrammai kopīgs un ar ko tās atšķiras no citiem "vizuāliem izstrādājumiem": gleznām, karikatūrām, zīmējumiem, abstrakta līniju kopuma ...

A: Attēls varētu būt vispārīgāks jēdziens. Tā sīkākā atomārā vienība ir punkts (pixel). Diagrammai tas ir elements, kam ir nodefinētas augstāk minētās īpašības. Punktam ir tikai novietojums, krāsa, value, bet nav izmēra(?pieņemam, ka plakne jau ir sadalīta mazos gabaliņos ar fiksētu izmēru), formas, tekstūras un orientācijas.

Piedāvāju versiju, ka diagramma ir shematisks statisks attēls, kas veidots no atsevišķiem, skaidri nodalāmiem elementiem, pie kam diagramma var tikt veidota pakāpeniski pievienojot vai izmetot tās elementus.

A: Jā, laikam ir būtiski, ko var darīt ar elementiem - pievienot, izmest, mainīt tā īpašības.

A: Skaidri nodalāms - šī ir neskaidrākā lieta ...

Otra lieta, kas nepieciešama - lai diagrammai būtu jēga - tā saturētu kaut kādu autora vēsti. Ja šīs vēsts nav, tad tā nebūtu uzskatāma par diagrammu. Ir gan aizdomas, ka objektīvi no ārpuses nav iespējams noteikt, vai šī jēga tur ir ("ko autors mums ir centies pateikt"). Esmu lasījis, ka māksliniekiem nemaz nepatīk skaidrot savā darbā ielikto domu - labam darbam tā ir jāpauž pašam bez papildus komentāriem.

A: Tas varētu arī būt uzdevums - censties sameklēt jēgu :) ... bet galvenais jau ir palīdzēt autoram ielikt to jēgu pietiekoši formālā veidā, lai dators spētu saprast.

A: Būtisks ir mērķis, ar kādu veidojam diagrammu! Ja tā ir ziņas nodošana citam cilvēkam, tad apšaubāma kļūst vajadzība datoram kaut kur pa vidu iejaukties. Tātad - aktualizēju jautājumu kāpēc diagrammai jābūt datoram saprotamai?. Mēģināšu arī pats atbildēt - lai dators varētu palīdzēt veidot diagrammu!

A: Kāda ir saistība mūsu diagrammas definīcijai ar vektorgrafiku?

A: HTML5 Canvas objekta metamodelis ar eventiem - pragmatiska diagrammas definīcija?

A: Interesanta ideja, kā noskaidrot diagrammām piemītošās pazīmes - paņemt lielu kaudzi ar attēliem un pateikt, kuri mūsuprāt ir diagrammas un kuri nav. Tad uzlaist virsū deep learning. kas izveidotu neironu tīklu, no kura tad mēģināt izspiest ārā diagrammu raksturiezīmes. Kaut ko jau tagad var dabūt arā no tīkla - ģenerēt bildes, analizēt slāņus, te arī vizualizē slāņus.