标签存档: Scalar Field Data

使用信息论故事版选择大规模时变体数据集中的关键时间步 (Key Time Steps Selection for Large-Scale Time-Varying Volume Datasets Using an Information-Theoretic Storyboard)

在科学可视化中,随着数据规模的不断增大,时变数据往往包含了大量的时间步。由于内存和I/O带宽的限制,对所有这些时间步进行可视化经常比较困难。实际上,这些数据在连续的时间步的变化很可能非常小,其包含的信息也并不重要。解决这一问题的一个可能的方法是从中选取具有最显著特征的几个关键时间步进行可视化。但是,数据中重要特征的随时间的变化可能包含复杂的模式,并且会以未知的频率发生。如何选择关键时间步也成为了一个挑战。因此,今年EuroVis的一篇文章[1]提出了一种新颖的方法,可以使用动态规划来提取出数据中的关键的时间步。

继续阅读 »