可视化与可视分析国际学术报告系列 - 第十六期
Rüdiger Westermann教授 | 基于神经网络的原位可视化提升和采样


报告人：Rüdiger Westermann

慕尼黑工业大学教授

题目：基于神经网络的原位可视化提升和采样

时间：2022年5月5日19:00-20:30 （北京时间）

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方法是如何在可视化方面进行改进和扩展的，进而讨论该类方法在原位可视化中的可能应用场景，并对该领域的发展前景进行展望。

个人简介： Rüdiger Westermann, 1966年出生于Mai，是慕尼黑技术大学的计算机科学教授，计算机图形与可视化系主任。1991年，他获得达姆施塔特技术大学的计算机科学学位，并在1996年，以“最高荣誉”获得多特蒙德大学博士学位。从1992年到1997年，他是位于波恩圣奥古斯丁的德国国家数学和计算机科学研究所的一名研究人员，与Wolfgang Krüger一起研究并行图形算法。1998年，他加入埃尔兰根-纽伦堡大学计算机图形组。在1999年成为斯图加特大学可视化小组的助理教授之前，他是加州理工学院Mulitres小组的研究助理，也是犹他大学科学计算实验室的客座教授。2001年，他被RWTH-Aachen聘为计算机科学系科学可视化副教授。自2003年以来，Rüdiger Westermann是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。

报告方式：哔哩哔哩在线直播：http://live.bilibili.com/24003948

qrcode



主持人：陈为

浙江大学

个人简介： 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。








关于我们

网页地址：http://chinavis.org/lectures
邮件联系：csig_vis_forum@163.com

中国图象图形学学会
可视化与可视分析专业委员会

中国图象图形学学会可视化与可视分析专业委员会是我国首个以可视化与可视分析为主题的专门化委员会，该专委会旨在为我国可视化与可视分析领域学界和业界工作者搭建直接沟通与深度交流的平台，探讨在大数据时代的发展方向和机遇，推进相关学科发展和人才培养，推动相关研究与应用的发展与进步，促进中国可视化与可视分析领域产、学、研、用协同发展新生态的形成。专委会于2017年12月23日成立，已吸纳国内外高校及产业界委员100多名。

可视化与可视分析国际学术报告系列

中国图象图形学学会可视化与可视分析专业委员会发起在线报告系列活动，邀请可视化与可视分析领域的顶尖国际学者分享领域发展动态及个人最新研究成果。系列报告例行安排在隔周周四，学术报告系列网页参见 http://chinavis.org/lectures。