DL4SciVis: 面向科学可视化的深度学习研究综述
图形学
2022-04-15 v1 人工智能
计算机视觉与模式识别
人机交互
机器学习
摘要
自 2016 年以来,我们见证了人工智能+可视化(AI+VIS)研究的巨大增长。然而,现有关于 AI+VIS 的综述论文聚焦于视觉分析与信息可视化,而非科学可视化(SciVis)。本文中,我们综述 SciVis 中相关的深度学习(DL)工作,具体为 DL4SciVis 方向:设计 DL 方案以解决 SciVis 问题。为保持聚焦,我们主要考虑处理标量与矢量场数据但排除网格数据的工作。我们沿六个维度对这些工作进行分类与讨论:领域设定、研究任务、学习类型、网络架构、损失函数与评估指标。本文最后讨论了所述维度上尚待填补的空白以及我们作为共同体需应对的重大挑战。本前沿综述为 SciVis 研究者提供该新兴主题的概览,并指出推动该领域发展的未来方向。
引用
@article{arxiv.2204.06504,
title = {DL4SciVis: A State-of-the-Art Survey on Deep Learning for Scientific Visualization},
author = {Chaoli Wang and Jun Han},
journal= {arXiv preprint arXiv:2204.06504},
year = {2022}
}
备注
20 pages, 2 figures, and 12 tables. To Appear in IEEE Transactions on Visualization and Computer Graphics