无图例的 2D 标量场可视化下的自监督连续色图恢复

从单一的 2D 标量场可视化中恢复连续色图在缺少对应颜色图例的情况下颇具挑战性。本文提出了一种新颖的色图恢复方法，通过解耦-重构策略同时预测色图和底层数据。我们的方法首先使用解耦模块将输入可视化分离为色图和数据，然后通过可微分的颜色映射模块进行可视化重构。为指导此过程，我们设计了一种重构损失，用于衡量输入与重构可视化之间的差异，该损失既作为确保训练期间色图与数据之间强相关性的约束，又作为在推理期间对未见可视化预测色图进行精细调优的自监督优化器。为确保提取色图的平滑性和正确的颜色排序，我们引入了基于三次 B 样条曲线的紧凑型色图表示以及相关的颜色排序损失。我们在合成数据集和来自 VIS30K 数据集的真实世界可视化集合上对方法进行了定性和定量评估。此外，我们演示了其在两个原型应用中的实用性——即色图调整和色图迁移，并探讨了其对带有颜色图例的可视化以及使用离散颜色调色板编码的可视化的泛化能力。