摘要阅读排行

一年内发表的文章 |  两年内 |  三年内 |  全部
Please wait a minute...
1. 3D打印中的无支撑内部镂空
Yue Xie, Xiang Chen
Vis Inf    2017, 1 (1): 9-15.   DOI: 10.1016/j.visinf.2017.01.002
摘要   PDF   

背景:为满足功能设计的需要,一些产品内部需要镂空,其制造过程常涉及麻烦的切割和粘合处理。

创新:本文提出了一种生成内部空腔的方法,不仅可满足功能设计的要求,而且在3D打印过程中无需支撑。具体而言,我们引入了一种无需支撑的单元结构来进行体素化,并提出了一种壁厚参数化方法以支持连续优化。此外还设计了一个离散抖动算法来打印鬼影体素(ghost voxel),通过交替优化和抖动来迭代地实现产品内部镂空。我们运用该方法优化了产品的静态和旋转稳定性,并打印了各种结果来检验算法的功效。


2. 海洋数据可视化分析综述
Cui Xie, Mingkui Li, Haoying wang, Junyu Dong
Vis Inf    2019, 3 (3): 113-128.   DOI: 10.1016/j.visinf.2019.08.001
摘要   PDF   
海洋大数据分析的主要挑战是数据的复杂性和海洋动态过程的内在复杂性。交互式可视分析可作为一种有效补充方法用来发现数据中蕴含的各种现象或模式,并对研究人员日常工作涉及的多个变量进行关联探索和比较。 本文阐述了由众多测量设备或计算机模拟生成的海洋数据的基本概念,综述了海洋数据的特点和相关的数据处理技术,介绍了海洋数据分析的主要任务。基于海洋领域的主要分析任务,本文重点围绕以下四个方面: 多种海洋环境要素的可视化和多变量分析、海洋现象识别和跟踪、模式或相关性检测、集合和不确定性探索介绍了相关的交互式可视化技术和工具。最后,讨论了未来的研究方向。
3. 机器学习模型的可视分析
Shixia Liu, Xiting Wang, Mengchen Liu, Jun Zhu
Vis Inf    2017, 1 (1): 48-56.   DOI: 10.1016/j.visinf.2017.01.006
摘要   PDF   
背景:交互式模型分析是一个借助交互可视化技术来理解、诊断和改进机器学习模型的过程,它可以帮助用户有效地解决现实世界中的人工智能和数据挖掘问题。大数据分析技术的迅速发展引发了各种各样的交互式模型分析任务。

贡献:我们对这一迅速发展的领域进行了全面的分析,将相关工作划分为三类:理解、诊断和改进。每一类都以最近有影响力的工作为例,同时探讨了今后潜在的研究方向。

4. 计算机图形学和计算机视觉中瞬态成像的研究进展
Adrian Jarabo, Belen Masia, Julio Marco, Diego Gutierrez
Vis Inf    2017, 1 (1): 65-79.   DOI: 10.1016/j.visinf.2017.01.008
摘要   PDF   

背景:瞬态成像技术对计算机图形学和计算机视觉领域产生了巨大的影响。通过以极高的时间分辨率捕捉、重建或模拟光的传输过程,研究人员提出了若干新的技术来显示运动中的光影、查看周边的角落、检测位于高散射介质中的对象或远程推断材料特性等等。其关键思想是开发和利用时间域在皮秒或纳秒分辨率下的大量信息,而这些信息通常在捕获时的信息整合过程中丢失。

贡献:本文从图形和计算机视觉的角度介绍了瞬态成像技术的最新进展,包括捕获技术、分析、应用和仿真。

5. 深度学习可视化综述:面向用户群体分类
Rulei Yu, Lei Shi
Vis Inf    2018, 2 (3): 147-154.   DOI: 10.1016/j.visinf.2018.09.001
摘要   PDF   
背景:深度学习在多种任务中取得了令人瞩目的成功,近年来发展迅速。鉴于其目前仍然是个“黑匣子”,深度学习的解释性已经成为遏制其发展的一个重要因素。例如,在医学和金融等领域,需要可解释性模型来给从业人员提供相应的理论依据。然而直接分析解释深度学习模型是非常复杂抽象的,作为抽象数据与直观表示的桥梁,可视化提供了相应的技术方法。 创新:为了帮助不同知识背景的用户(初学者、新手、开发者、专家)了解深度学习可视分析这个领域,本文整理了近年来前沿与重要的工作,做成了一张分类表。分类表同时说明了每个工具或方法适用的模型结构、分类目标与发布时间,辅助用户进行快速查询。为了帮助用户了解对应分类目标下的研究进展,本文详述了相应分类目标下的代表性工作,尤其是可视解释性这个重要方向。