用于三维模拟集合中统计依赖关系交互式可视化的神经场
计算机视觉与模式识别
2024-03-28 v5
摘要
我们提出了首个神经网络，其已学会紧凑表示并能够高效重建大型三维模拟集合中不同空间位置处物理变量值之间的统计依赖关系。超越线性依赖，我们将互信息视为非线性依赖的度量。我们展示了在一个包含 1000 个成员的大型天气预报集合上的学习与重建，其中每个成员在 250 x 352 x 20 的模拟网格上存储多个物理变量。通过在运行时规避计算密集的统计估计器，我们展示了重建主要依赖结构所需内存与计算量的显著减少。这使得能够将估计器嵌入 GPU 加速的直接体渲染器中，并交互式可视化选定域点的所有互依赖关系。
引用
@article{arxiv.2307.02203,
title = {Neural Fields for Interactive Visualization of Statistical Dependencies in 3D Simulation Ensembles},
author = {Fatemeh Farokhmanesh and Kevin Höhlein and Christoph Neuhauser and Tobias Necker and Martin Weissmann and Takemasa Miyoshi and Rüdiger Westermann},
journal= {arXiv preprint arXiv:2307.02203},
year = {2024}
}