报告信息

特邀讲者：Rüdiger Westermann，德国慕尼黑工业大学

讲座题目：Neural Network-based Upscaling and Sampling for In-Situ Visualization（基于神经网络的原位可视化提升和采样）

讲座时间：2022年5月5日晚上19:00-20:30（北京时间）

讲座主持：陈为，浙江大学

支持单位：浙江大学

直播平台

https://live.bilibili.com/24003948

 
 
报告摘要

原位可视化是通过采用经典的时空压缩方法来对数据进行处理的。最近出现的基于学习的方法是对原位可视化的一个补充。通过原位可视化来对信号的时空信息进行重建，减少数据的存储空间和生成时间。基于学习的方法在网格数据的提升方面已经被证明是有效的，具体实现为变量到变量（V2V）之间的传输以及从其他方面预测某些参数字段。对时空数据进行采样变换是指从缩小后的数据集推断出原始数据集，在次过程中对缩小数据集的空间分辨率以及时间稀疏序列进行尺度提升，生成精细的时空特征。在本次演讲中，我将总结现有的基于学习的提升方法相关的基本概念，阐述基于学习的V2V方法如何在可视化方面进行改进和扩展，进而讨论该类方法在原位可视化中的潜在应用场景，并对该领域的发展前景进行展望。

 
嘉宾信息
 

Rüdiger Westermann, 1966年出生于Mai，是慕尼黑工业大学的计算机科学教授。自2003年以来，他任计算机图形和可视化小组的负责人。2012年，他在不确定性可视化领域的研究获得了价值230万欧元的ERC高级资助。自2015年以来，他是跨区域合作研究中心“Waves to Weather”的一员，为气象学家提供视觉分析和深度学习方法，以打破天气预测的局限性。他最近的研究包括：与来自代尔夫特理工大学的Wu Jun教授合作的应力引导拓扑优化，以及基于学习的数据可视化和重构、压缩和特征分析方法。

 
 
主持人简介

陈为，浙江大学CAD&CG国家重点实验室教授。承担国家自然科学基金重点项目等十余项。研究兴趣是大数据分析和人机混合智能。发表国际顶尖学术期刊和会议论文70余篇，其中包括IEEE/ACM Transactions和IEEE VIS顶级期刊和会议论文70余篇。出版教材3部（数据可视化），专著两部（大数据技术；可视分析）。担任多个国内外期刊编委、国内外会议论文主席、IEEE Pacific Visualization大会指导委员会委员、中国计算机学会CAD&CG专委会秘书长、中国教育发展战略学会教育大数据专委会副理事长、中国图像图形学学会可视化专委会副主任委员。

 
联系信息

网页地址：http://chinavis.org/lectures

邮件联系：csig_vis_forum@163.com