对如今超级计算机上模拟产生的大规模时变体数据进行分析和可视化是一项非常艰巨的挑战,因为超级计算机可以产生具有极高时间和空间分辨率的数据集。网络传输和储存设备的有限带宽使得将整个数据集移动到数据分析机进行分析是不可行的。常见的解决方法之一是保持原始空间分辨率的同时降低时间采样率,但简单地在相邻采样时间步间进行插值会造成很大的误差。光线投射(Ray Casting)算法是直接体渲染(Direct Volume Rendering)的一种经典常用的方法。本工作提出了一种基于光线的表示方法,储存基于光线的直方图及深度信息,用以恢复采样时间步间的体数据渲染结果的信息,从而达到压缩原始数据的目的。
作者存档: Li, Yanda
基于射线代理分布的大规模时变体数据探索(Ray-based Exploration of Large Time-varying Volume Data Using Per-ray Proxy Distributions)
作者: Li, Yanda
日期: 2019年11月25日
基于射线代理分布的大规模时变体数据探索(Ray-based Exploration of Large Time-varying Volume Data Using Per-ray Proxy Distributions)已关闭评论
大分子轨迹可视化(Visualization of Large Molecular Trajectories)
作者: Li, Yanda
日期: 2019年4月30日
大分子轨迹可视化(Visualization of Large Molecular Trajectories)已关闭评论
Labels on Levels: 稠密的多尺度多实例的三维生物环境的标注 (Labels on Levels: Labeling of Multi-Scale Multi-Instance and Crowded 3D Biological Environments)
作者: Li, Yanda
日期: 2018年11月17日
Labels on Levels: 稠密的多尺度多实例的三维生物环境的标注 (Labels on Levels: Labeling of Multi-Scale Multi-Instance and Crowded 3D Biological Environments)已关闭评论
SparseLeap:一种大规模体绘制中高效的空体素跳跃方法(SparseLeap: Efficient Empty Space Skipping for Large-Scale Volume Rendering)
作者: Li, Yanda
日期: 2018年8月27日
SparseLeap:一种大规模体绘制中高效的空体素跳跃方法(SparseLeap: Efficient Empty Space Skipping for Large-Scale Volume Rendering)已关闭评论
图绘制 – Peter Eades (悉尼大学)
作者: Li, Yanda
日期: 2018年8月16日
图绘制 – Peter Eades (悉尼大学)已关闭评论
利用深度神经网络生成上下文图像以增强视觉体验(ExtVision: Augmentation of Visual Experiences with Generation of Context Images for Peripheral Vision Using Deep Neural Network)
作者: Li, Yanda
日期: 2018年6月12日
利用深度神经网络生成上下文图像以增强视觉体验(ExtVision: Augmentation of Visual Experiences with Generation of Context Images for Peripheral Vision Using Deep Neural Network)已关闭评论
上下文图像(context image)是指展示图像周围的信息的图像。在用户的周边视野中展示上下文图像可以使用户获得更加沉浸和令人激动的观看体验(例如:观看视频,游戏时)。然而,周边视野展示系统并未被广泛使用,这是因为实时地提供上下文图像很难。已有的相关工作中,飞利浦公司的AmbilightTV[2]在屏幕周围添加LED灯条,灯光颜色与屏幕边缘像素颜色相同;飞利浦公司的AmbiLuxTV[3]在屏幕背后添加投影仪,将放大的模糊图像投影到背景墙上。Jones Brett等人[4]提出IllumiRoom,使用两个摄影机在相同角度同时拍摄主要视频以及上下文视频,在使用时,展示主要视频的同时,使用投影仪将上下文视频投影到背景中。Aides Amit[5]提出MultiScale方法,将视频中的每一帧根据其相邻帧的内容外推出周边区域的内容,这种方法计算较为精准,但每处理一帧需要花费数分钟,不具有实时性。
通过原位可视化增强代码帮助理解程序(Augmenting Code with In Situ Visualizations to Aid Program Understanding)
作者: Li, Yanda
日期: 2018年5月6日
通过原位可视化增强代码帮助理解程序(Augmenting Code with In Situ Visualizations to Aid Program Understanding)已关闭评论
程序员在软件开发的过程中需要编写、测试、调试、回顾代码。为保证代码的正确性,程序员必须将代码与程序运行时状态结合起来。但现有的技术,包括调试日志、设置断点等,均与代码在不同的视图中,程序员在调试程序时需要频繁地切换视线,这给程序员带来了极大的负担,并降低了其调试效率。本文提出可视化直接放入源代码中的技术用于帮助程序员理解程序。
近期评论