基于可变 3D 高斯值的动态体积场景中的分割与跟踪

大规模时变模拟数据可视化对于域内科学家分析复杂现象至关重要，但这需要显著的I/O带宽、存储和计算资源。为在本地低配机器上实现有效可视化，最近的进展如神经辐射场等方法利用神经网络生成体积场景的新型可视化。然而，这些方法侧重于重建质量，而不利于促进交互式可视化探索，如特征提取和跟踪。我们引入VolSegGS，一种新型高斯溅射框架，支持动态体积场景中的交互式分割和跟踪，以实现探索性可视化和分析。我们的做法利用可变 3D 高斯值表示动态体积场景，实现实时新视角合成。为了实现精确分割，我们利用高斯值的视角无关颜色进行粗粒度分割，并通过亲和力场网络对结果进行细化。此外，通过将分割结果嵌入高斯值中，我们确保其变形可实现对分割区域随时间的连续跟踪。我们通过多个时变数据集展示了VolSegGS的有效性，并将其解决方案与最新方法进行比较。在能够实时与动态场景交互并提供灵活的分割和跟踪功能方面，VolSegGS在低计算需求下提供了强大的解决方案。这一框架为时变体积数据分析和可视化开启了激动人心的新可能。