[Zurück]

M. Beham:
"Parameter Spaces of Cups: Cluster-based Exploration of a Geometry Generator";
Betreuer/in(nen): E. Gröller, J. Kehrer; Institut für Computergraphik und Algorithmen, 2015.

Geometriegeneratoren werden häufig in Videospielen und Evaluierungssystemen für Maschinelles Sehen eingesetzt um 3D Geometrie wie Terrains, Vegetation und Flugzeuge zu erstellen. Die Generatoren werden durch Parameter gesteuert. Diese werden oft automatisch abgetastet, um verschiedenste Variationen eines Objektes zu erzeugen. Dies führt aber oft zu sehr ähnlichen oder unerwünschten Objekten. In dieser Diplomarbeit wird ein neues Visualisierungssystemvorgestellt, welches die Analyse des abstrakten Parameterraumes eines Geometriegenerators gemeinsam mit den resultierenden Geometrieobjekten mithilfe neuer Visualisierungen darstellt. Ähnliche Objekte werden zunächst mittles Hierarchischem Clustering gruppiert und anschließend in illustrativen Parallelen Koordinaten dargestellt. Dies ermöglicht dem/der BenutzerIn die Sensitivität einzelner Parameter zu analysieren und Regionen im Parameterraum zu identifizieren, welche unerwünschte Ergebnisse liefern. Die Visualisierung startet mit einer kompakten übersichtlichen Darstellung und der/die BenutzerIn kann interaktiv die lokalen Unterschiede durch klicken auf den gewünschten Cluster analysieren. Zur erhöhten Übersichtlichkeit wird auch eine radiale Baumdarstellung der Cluster angeboten. Desweiteren können Cluster vereinigt und gesplittet werden. Das System wurde von Fachleuten evaluiert, wobei ein Tassengenerator analysiert wurde.

Geometry generators are commonly used in video games and evaluation systems for computer vision to create geometric shapes such as terrains, vegetation or airplanes. The parameters of the generator are often sampled automatically which can lead to many similar or unwanted objects. In this thesis, we propose a novel visual exploration approach that combines the abstract parameter space of the generator with the resulting geometric shapes in a composite visualization. Similar 3D shapes are first grouped using hierarchical clustering and then displayed in an illustrative parallel coordinates or scatterplot matrix visualization. This helps the user to study the sensitivity of the generator with respect to its parameter space and to identify invalid regions. Starting from a compact overview representation, the user can iteratively drill-down into local shape differences by clicking on the respective clusters. Additionally, a linked radial tree gives an overview of the cluster hierarchy and enables the user to manually split or merge clusters. We evaluate our approach by exploring the parameter space of a cup generator and provide feedback from domain experts.

http://publik.tuwien.ac.at/files/PubDat_241785.pdf