用于二维矢量场特征追踪、选择与比较的多级鲁棒性
计算机视觉与模式识别
2022-09-26 v1
摘要
临界点追踪是科学可视化中理解时变矢量场数据动态行为的核心课题。鲁棒性的拓扑概念近来被引入以量化临界点的结构稳定性，即临界点的鲁棒性为取消该点所需对矢量场的最小扰动量。先前已建立将临界点追踪与鲁棒性概念联系的理论基础，特别地，临界点可基于其稳定性（由鲁棒性度量）的接近性而非仅域内距离邻近性进行追踪。然而在实践中，当临界点靠近域边界时，经典鲁棒性计算可能产生伪影；因此，我们无法完整刻画其局部邻域内的矢量场行为。为缓解这些问题，我们引入用于研究二维时变矢量场的多级鲁棒性框架。我们计算临界点在不同邻域上的鲁棒性以捕获数据的多尺度本质并减轻经典鲁棒性计算所受的边界效应。我们通过实验证明，这种新鲁棒性概念可与现有特征追踪算法无缝结合，以提升大规模科学模拟中矢量场在特征追踪、选择与比较方面的视觉可解释性。我们首次观察到，最小多级鲁棒性与领域科学家在研究真实热带气旋数据集时使用的物理量高度相关。该观察有助于提升鲁棒性的物理可解释性。
引用
@article{arxiv.2209.11708,
title = {Multilevel Robustness for 2D Vector Field Feature Tracking, Selection, and Comparison},
author = {Lin Yan and Paul Aaron Ullrich and Luke P. Van Roekel and Bei Wang and Hanqi Guo},
journal= {arXiv preprint arXiv:2209.11708},
year = {2022}
}