标签存档: 体绘制

深度神经网络支持下的交互式体数据可视化(DNN-VolVis: Interactive Volume Visualization Supported by Deep Neural Network)

体数据在医学、科学模拟数据中具有广泛运用。直接可视化(DVR)是重要的体数据可视化方法。其中关键是设计合适的传递函数。传递函数是将体数据中体素的值映射成为颜色-透明度值。本质上是将体素进行分类,识别其中的特征并给予不同的颜色透明度属性。在传统体渲染中,给定传递函数,选定视角参数之后就可以合成、计算渲染结果的每个像素的值。

然而,有时用户想要探索已有的可视化结果,但原始的传递函数并未公开。或者探索过程中,用户不满足于调整传递函数来获取结果,在传递函数基础上,他们想要直接对渲染结果进行一些修改。但是从渲染结果到传递函数难度巨大:一方面传递函数的设计空间巨大不可能暴力遍历,另一方面渲染结果中像素和传递函数之间也没有解析表达,细小的传递函数的差异可能导致巨大的结果差异。为解决这类问题,本工作[1]提出了基于深度学习网络的更直接的处理方式。本工作中的神经网络可以接受用户想要探索的可视化结果作为输入,随着用户的交互,可以直接合成在其他视角参数下的“渲染结果”。我们合成的结果可以和真实的渲染结果相媲美。

继续阅读 »

动态体数据线:通过空间填充曲线的三维体数据视觉比较 (Dynamic Volume Lines: Visual Comparison of 3D Volumes through Space-filling Curves)

集合数据的成员之间的比较是一项繁琐而易出错的工作,这由体数据的微妙差别导致。本工作提出了动态体数据线(Dynamic Volume Lines)以实现对一组体数据的交互可视分析。利用希尔伯特(Hilbert)空间填充曲线将三维数组线形化,希尔伯特曲线展开的过程很好地保持了空间局部性。利用此基于强度的变化绘制非线形的线图:在变化幅度的区域,通常是值得关注的区域,而变化幅度较小的区域一般为不重要的区域如背景。通过实验结果,本方法被验证了其可以识别局部的强度变化。

继续阅读 »

基于图像和分布的大规模数据体绘制 (Image and Distribution Based Volume Rendering for Large Data Sets)

随着高性能计算技术的发展,领域科学家可以使用超级计算机对一些物理现象进行建模,并进行高分辨率的模拟。通过对模拟输出结果进行可视化和分析,科学家可以对这些物理现象有更深入的理解。但是,由于数据规模的不断增大,网络和存储设备的有限带宽和容量成为了一个重要的瓶颈。针对这一问题,研究者提出了原位数据可视化和分析的方法。这种方法使用相同的超级计算机资源,可以在不用移动原始数据的情况下生成紧凑型的数据代理(proxy)。之后,用户只需要对这些数据代理在后处理机器上进行分析。这里面,一类有效的方法是基于图像的方法。通过预先选择几个有意义的视角,其可以从原始数据中生成图像用于后处理分析。然而,这些方法在使用传递函数发现和分析被遮挡特征真一方面的能力非常有限,并且产生的基于图像的代理也会造成不可避免的信息损失,加大了对数据进一步分析的复杂度。为了解决这个问题,今年PacificVis会议上的一篇文章[1]提出了一种基于图像和分布的大规模数据表示方法,将原始数据存储为基于图像的数据代理,可以在资源有限的后处理机器上进行传递函数探索,并对其中引入的误差进行量化和可视化。

继续阅读 »

一种基于三维卷积稀疏编码的体渲染智能系统方案 (An Intelligent System Approach for Probabilistic Volume Rendering using Hierarchical 3D Convolutional Sparse Coding)

图8:Kiwi数据和Aneurysm数据的体渲染结果,分别为[2]、[3]和本文方法

直接体渲染是一种表现三维体数据的强大可视化手段。过去数十年间,研究者们进行了大量的研究,来提高体渲染的速度与质量。其中,传递函数的设计是影响这两个指标的一个重要因素。传递函数将体素的值映射到诸如颜色、不透明度、可见性等光学性质。然而,要设计一个好的传递函数通常面临着很大的困难,对非专业使用者更是如此。绝大多数传递函数设计的方法都依赖用户大量的交互,用户需要根据数据的统计特征,通过不断试错,以求达到好的效果。这里的统计特征通常是数据某些属性的直方图。在本文中,作者提出了一种基于机器学习方法:三维卷积稀疏编码,能对体素进行精确分类,从而得到优秀的体渲染结果。同时,基于智能系统的交互方式,能让用户通过直观的输入,来完成传递函数设计过程。

继续阅读 »

基于多准则的体绘制动画生成方法 (A Multi-Criteria Approach to Camera Motion Design for Volume Data Animation)

动画在可视化中起着非常重要的作用,尤其在体绘制过程中,动画可以对一些复杂结构及实时趋势进行可视化。然而现有的很多动画生成方法都需要大量的人工干预,如大量地加入关键帧(keyframe)。

本文[1]采用对虚拟摄像头路径自动生成的方法对体绘制的内部结构进行“录制”,从而形成动画。在路径生成过程中,采用了摄影学与可视化中的一些准则,对初步生成的路径进行优化。具体而言,路径优化时采用了6条准则,每条准则将产生一定方向的力,对路径上的结点进行更改,6条准则对应的力线性地组合在一起,最终优化的路径就是这些力平衡的结果。

继续阅读 »

基于噪音模型的多变量体绘制 (Noise-based Volume rendering for the visualization of multivariate volumetric data)

大部分现有的体绘制(Volume rendering)研究都是针对同时可视化单个变量的Volume数据,而比较少研究在同一个Volume中同时展示多个变量的信息。在同一个Volume中展示多个变量,最直观的方法有两种,其一、通过用户控制,快速切换多个变量的渲染;其二、将多个变量混合起来。前者的缺点是用户体验差,无法同时感知两个变量的分布与关系;另外,如果Volume比较大,渲染速度比较慢,就完全退化成两个体绘制。后者的缺点也是比较显示的,虽然它在同一个Volume中展示了多个变量的信息,但是混合过程中,信息损失很严重,且次要变量往往会掩盖主要变量从而误导用户。

继续阅读 »

直接体绘制技术(Direct Volume Rendering)

体绘制技术(Volume Rendering Technique)是由离散的三维数据场直接产生对应二维图像的一种绘制技术。和等值面方法不同,在这一过程中并不需要产生中间几何图元。体绘制技术的优点是能从所产生的图像中观察到三维数据场的整体和全貌(如图1),而不只是显示出人们感兴趣的等值面(参见等值面抽取技术);同时,体绘制也易于进行并行处理。

直接体绘制效果

图1 直接体绘制效果,由左至右分别为CT数据,流场模拟数据(涡量),飓风模拟数据(多变量标量场) 继续阅读 »