FeatureLego：基于超体素穷举聚类的体数据探索
计算机视觉与模式识别
2019-10-22 v2
摘要
我们提出一种体数据探索框架 FeatureLego，其使用一种新颖的体素聚类方法高效选择语义特征。我们将输入体数据划分为一组紧凑超体素，代表最细选择粒度。随后我们使用基于图的聚类方法对这些超体素进行穷举聚类。与盛行的暴力参数采样方法不同，我们提出一种高效算法执行此穷举聚类。通过计算穷举的聚类集，我们旨在捕获尽可能多的边界，并确保用户有足够选项高效选择语义相关特征。此外，我们将所有计算的聚类合并为单一元聚类树，可用于层次化探索。我们实现了直观用户界面以使用我们的聚类方法交互探索体数据。最后，我们在多种不同模态的真实数据集上展示了框架的有效性。
引用
@article{arxiv.1810.05220,
title = {FeatureLego: Volume Exploration Using Exhaustive Clustering of Super-Voxels},
author = {Shreeraj Jadhav and Saad Nadeem and Arie Kaufman},
journal= {arXiv preprint arXiv:1810.05220},
year = {2019}
}
备注
IEEE Transactions on Visualization and Computer Graphics, 2018 (12 pages, 11 figures). Supplementary video demonstrating FeatureLego can be found here: https://www.youtube.com/watch?v=y_a3VnACXfE