大型同步辐射微 CT 数据集的低延迟可视化预览
计算机视觉与模式识别
2023-11-28 v1
摘要
同步辐射设施生成微计算机断层扫描（微-CT）数据集的速度空前，导致海量数据令科学家难以实时浏览与交互。NOVA 项目将数千个节肢动物扫描为微-CT，产生了大量吉字节规模的数据集。在本工作中，我们提出缩减该数据规模的方法，将其从吉字节缩放至兆字节，使微-CT 数据集能够实时传输。此外，即使在实施数据缩减方法后，科学家仍能识别节肢动物。我们的首要步骤是设计三种符合数据探索最佳实践的不同的可视化预览。随后，每种可视化预览都需要自身的设计考量，因此每种都需独立的数据处理流水线。我们旨在呈现跨数据处理流水线所应用的数据缩减算法。特别地，我们通过多分辨率切片图、服务器端渲染与直方图滤波方法来缩减规模。在评估中，我们考察各方法的差异以确定最适合我们业务的最优选型，其可调整用于具有类似需求的其他实验。我们的演示证明，在不损害节肢动物几何信息的前提下，将数据集大小缩减至兆字节范围是可行的。
引用
@article{arxiv.2311.15038,
title = {Low-latency Visual Previews of Large Synchrotron Micro-CT Datasets},
author = {Nicholas Tan Jerome and Suren Chilingaryan and Thomas van de Kamp and Andreas Kopmann},
journal= {arXiv preprint arXiv:2311.15038},
year = {2023}
}