Quelle précision pour le centrage depuis une photo ? Notre test

Notre test mesure ce que le moteur actuel déduit des photos, pas une note professionnelle. Nous examinons les contours automatiques et comparons les rapports lisibles aux annotations manuelles figées. Corriger le contour peut améliorer un axe et aggraver l’autre : les deux confirmations restent nécessaires. Cet échantillon de convenance ne démontre pas la précision pour toutes les cartes.

Résultats et couverture

Gauche/droite

• Automatique: Erreur absolue moyenne 7,28 points de pourcentage du rapport; Médiane 2,67, Maximum 23,92. Mesurés / évaluables: 16/16; Sous 3 points: 9/16.
• Contour annoté: Erreur absolue moyenne 1,35 points de pourcentage du rapport; Médiane 1,08, Maximum 4,89. Mesurés / évaluables: 16/16; Sous 3 points: 15/16.

Haut/bas

• Automatique: Erreur absolue moyenne 8,18 points de pourcentage du rapport; Médiane 3,26, Maximum 34,87. Mesurés / évaluables: 15/15; Sous 3 points: 6/15.
• Contour annoté: Erreur absolue moyenne 10,18 points de pourcentage du rapport; Médiane 4,75, Maximum 31,07. Mesurés / évaluables: 15/15; Sous 3 points: 7/15.

Tous les axes lisibles

• Automatique: Erreur absolue moyenne 7,71 points de pourcentage du rapport; Médiane 3,01, Maximum 34,87. Mesurés / évaluables: 31/31; Sous 3 points: 15/31.
• Contour annoté: Erreur absolue moyenne 5,62 points de pourcentage du rapport; Médiane 1,66, Maximum 31,07. Mesurés / évaluables: 31/31; Sous 3 points: 22/31.

Ce que nous avons mesuré

L’échantillon comprend plusieurs vues de certaines cartes, des protections transparentes, des pages de classeur et un objet sans carte. L’examen visuel des contours actuels vérifie la découpe physique, sans certification millimétrique ni validation des lignes imprimées internes.

Les annotations figées dans tests/real-truth.json relèvent découpe et impression à 20 %, 50 % et 80 % du côté. La cible est le plus grand pourcentage parmi ces stations. Précision visuelle approximative ±2 pixels. Les limites ambiguës sont exclues, jamais transformées en bordure nulle.

Le mode automatique utilise le moteur inchangé. Le mode annoté ajuste des droites aux découpes observées, reporte leurs intersections dans la photo originale et relance l’analyse. Il simule la première confirmation. Ce n’est pas une étude d’utilisateurs ni une mesure indépendante après la seconde confirmation des lignes imprimées.

Cas difficiles et limites

Reflets holo, bordures sombres ou interrompues et protections transparentes peuvent tromper la détection. Les scans recadrés manquent de contexte extérieur et sont comptés séparément. Les full art sans limite défendable n’ont pas de vérité numérique inventée.

L’erreur moyenne verticale augmente après simulation, même si davantage d’axes restent sous trois points. Nous publions moyenne, médiane, maximum et couverture. L’échantillon ne justifie ni précision universelle, ni probabilité de PSA 10, ni promesse d’absence d’erreur après confirmation.

Deux confirmations distinctes

Vérifier d’abord les coins physiques, puis les lignes de découpe et d’impression rectifiées. Un rapport plausible peut être faux. Sans cadre cohérent, ne pas forcer la mesure. Consulter la méthode et le glossaire.

Reproduire et citer

Date : 2026-10-02. Le JSON conserve les empreintes du moteur, de l’échantillon et des annotations. Avec les photos privées originales : npx tsx scripts/eval-public.ts "private photo folder" --write. Sans --write, comparaison avec les agrégats publiés. Overlays privés : npm run eval -- "private photo folder".

Télécharger les agrégats JSON. Photos et overlays individuels ne sont pas distribués. Citer Centering Lab, cette page, date et version JSON. Source : notre évaluation reproductible, protocole et limites décrits ici.