基于点与场的四维数据集中多面特征分割与提取
计算机视觉与模式识别
2019-04-01 v1
摘要
大规模多面数据的使用在各类科学应用中十分普遍。在许多情况下，这类多面数据表现为基于场（欧拉）和基于点/轨迹（拉格朗日）的表示，因为二者在刻画研究对象系统时各有独特优势。此外，研究这些规模和复杂度日益增长的多面数据集受限于感知能力与可用计算资源，因而亟需精细的数据约简与特征提取技术。本文提出一种可同时作用于场数据和点/轨迹数据类型的新型四维特征分割/提取方案。所得特征为随时间变化的数据子集，同时具有场分量和基于点的分量，并基于两类数据中的潜在模式提取。这使研究者能更好地探究两种数据表示间的时空相互作用，并从新视角研究潜在现象。我们利用GPU加速并行化该方法，并将其应用于真实世界多面数据集以展示可提取和探究的特征类型。
引用
@article{arxiv.1903.12294,
title = {Multifaceted 4D Feature Segmentation and Extraction in Point and Field-based Datasets},
author = {Franz Sauer and Kwan-Liu Ma},
journal= {arXiv preprint arXiv:1903.12294},
year = {2019}
}