Advanced Seminar on Visualization

Organisatorisches

SS 2017, 0/2/0
INF-B-520 Vertiefung INF Vertiefung zur Bachelor-Arbeit INF
INF-B-540 Vertiefung INF Vertiefung zur Bachelor-Arbeit MI
INF-BAS7 Grafische Datenverarbeitung INF, MI
INF-VERT7 Grafische Datenverarbeitung INF
INF-VMI-8 Angewandte Graphische Datenverarbeitung MI
Diplom 2004: INF-04-HS, MINF-04-HS, IST-05-HS

Dozent

Prof. Dr. S. Gumhold

Betreuer

Joachim Staib

Termine

Jeweils Donnerstag in der 4. DS im Raum APB/2026.

• 27.04.2017:
  Organisatorisches und Themenvorstellung (Folien)
  Leitfaden zur Quellenarbeit (Recherche, effektives Lesen) und zu Vorträgen (Folien)
• 18.05.2017:
  Vortrag "Grundlagen"
  Vortrag "Methoden - F&C durch Verzerrung"
• 01.06.2017:
  Vortrag "Methoden - F&C durch Tiefenunschärfe"
  Vortrag "Methoden - F&C durch Illustration"
• 22.06.2017:
  Vortrag "Anwendung - Volumenvisualisierung"
  Vortrag "Anwendung - Strömungsvisualisierung" (verschoben vom 22.6.)
  Abgabe der Vorabversion der schriftlichen Ausarbeitungen
• 29.06.17:
  Vortrag "Anwendung - Partikelvisualisierung" (verschoben vom 15.6.)
  Vortrag "Erweiterung - F&C und BigData"
• 13.07.17:
  (Finale Abgabe der Paper, kein Präsenztermin)
• 20.07.17:
  Abschlussveranstaltung

Focus&Context-Methoden in der wissenschaftlichen Visualisierung

Die wissenschaftliche Visualisierung dient dazu, Daten für den Menschen durch Anschauen und Interagieren verstehbar zu machen. Die Verständlichkeit einer Darstellung, etwa von Simulations- oder Messdaten, hängt nicht zuletzt von der visuellen Aufnahme- und Verarbeitungsfähigkeit des Gehirns ab.
Große Datenmengen stellen für die meisten Visualisierungsverfahren eine Herausforderung dar. Das liegt weniger an den technisch lösbaren Hardware-anforderungen als vielmehr an der Komplexität der erzeugten Bilder, die unverständlich werden.

Hier können Focus&Context-Methoden helfen. Die Idee ist es, den Menschen zu unterstützen, indem lediglich ein kleiner Teil der Daten, der Fokus, detailliert dargestellt wird. Zusätzlich werden die verbleibenden Daten genutzt um eine einfacher verständliche Visualisierung zu erzeugen, den Kontext. Sie tragen selbst keine Detailinformationen, sondern unterstützen lediglich die Fokus-Daten. Dabei wird eine ungenauere Darstellung bewusst in Kauf genommen. Anders als bei Selektionsmethoden, bei denen nicht relevante Informationen schlicht verworfen werden, gehen so alle Daten in die Visualisierung ein.

Dieses Hauptseminar liefert einen tiefgründigen Einblick in die Grundlagen, Meilensteine und aktuelle Forschung von Focus&Context-Methoden.
Die folgenden Themen werden in Vorträgen und schriftlichen Ausarbeitungen besprochen:

Themenbereich Grundlagen

Thema 1 - Grundlagen

Ursprünglich aus der Informationsvisualisierung stammend wurden F&C-Methoden erfolgreich auf Probleme der wissenschaftlichen Visualisierung übertragen. Es soll eine formale Definition von F&C, sowie ein historischer Abriss, beginnend bei den ersten Techniken aus den 1970er Jahren, gegeben werden. Außerdem sollen die wichtigsten visuellen Variablen kurz genannt und Beispiele ausgezählt werden.

• Hauser, H. (2006). Generalizing focus+ context visualization. In Scientific visualization: The visual extraction of knowledge from data (pp. 305-327). Springer Berlin Heidelberg.
• Sarkar, M., & Brown, M. H. (1992, June). Graphical fisheye views of graphs. In Proceedings of the SIGCHI conference on Human factors in computing systems (pp. 83-91). ACM.

• Kadmon, N., & Shlomi, E. (1978). A polyfocal projection for statistical surfaces. The Cartographic Journal, 15(1), 36-41.

Themenbereich Methoden

Thema 2 - Der traditionelle Ansatz: F&C durch Verzerrung

Seinen methodischen Ursprung haben Focus&Context-Methoden in Verzerrungstechniken. Der Fokusbereich wird dabei, ähnlich wie eine Lupe, vergrößert dargestellt, während der Kontext mit abnehmender Verzerrung gezeigt wird. Wie genau dieser Linseneffekt entsteht hängt dabei von den Daten und der Datendomäne ab. Es sollen grundlegende Konzepte von Verzerrungstechniken gezeigt und anhand von Beispielen belegt werden.

• Tominski, C., Gladisch, S., Kister, U., Dachselt, R., & Schumann, H. (2014). A survey on interactive lenses in visualization. EuroVis State-of-the-Art Reports, 3.
• Janetzko, H., Hao, M. C., Mittelstädt, S., Dayal, U., & Keim, D. (2013, January). Enhancing scatter plots using ellipsoid pixel placement and shading. In System Sciences (HICSS), 2013 46th Hawaii International Conference on (pp. 1522-1531). IEEE

Thema 3 – F&C durch Tiefenunschärfe

Durch F&C-Methoden soll der Betrachter visuell entlastet werden. Das bedeutet, dass die visuelle Komplexität des Kontextes reduziert wird. Mittels Unschärfeeffekten kann die Perzeption präattentiv unterstützt werden. Dabei werden die wesentlichen Informationen noch vor der bewussten Wahrnehmung verarbeitet. In diesem Vortrag soll das Konzept des „Semantic Depth of Field“ beleuchtet und auch auf die hochdimensionale Visualisierung mittels Fokuskörpern eingegangen werden.

• Kosara, R., Miksch, S., & Hauser, H. (2001, October). Semantic depth of field. In IEEE Symposium on Information Visualization 2001 (InfoVis 2001).
• Staib, J., Grottel, S., & Gumhold, S. (2016, June). Enhancing Scatterplots with Multi‐Dimensional Focal Blur. In Computer Graphics Forum (Vol. 35, No. 3, pp. 11-20).

Thema 4 – F&C durch Illustration

In Anlehnung an die Darstellung in Lehrbüchern kann (je nach Anwendung) entweder der Fokus oder Kontext illustrativ dargestellt werden. Dabei wird der psychologische Effekt des Unscharfen und Verallgemeinerbaren ausgenutzt. Die wichtigsten psychologischen Grundlagen und Techniken sollen motiviert und erläutert werden.

• Lawonn, K., Gasteiger, R., & Preim, B. (2013). Adaptive Surface Visualization of Vessels with Embedded Blood Flow Based on the Suggestive Contour Measure. In VMV (pp. 113-120).
• Bruckner, S., & Gröller, M. E. (2007, September). Style transfer functions for illustrative volume rendering. In Computer Graphics Forum (Vol. 26, No. 3, pp. 715-724). Blackwell Publishing Ltd.

Themenbereich Anwendungsgebiete

Thema 5 – Volumenvisualisierung

Volumendaten entstehen unter anderem durch Simulationen oder Aufnahmen, beispielsweise im medizinischen Bereich. Die Daten sind typischerweise dicht, wodurch interessante Bereiche verdeckt sein können. Verdeckende Volumenelemente können durch die reduzierte Darstellung als Kontext visuell unauffälliger gemacht, während relevante Teile als Fokus hervorgehoben werden. Es sollen wesentliche Anwendungen und Techniken erläutert werden.

• Hauser, H., Mroz, L., Bischi, G. I., & Groller, M. E. (2001). Two-level volume rendering. IEEE transactions on visualization and computer graphics, 7(3), 242-252.
• Cohen, M. (2006). Focus and context for volume visualization (Doctoral dissertation, The University of Leeds).
• Sikachev, P., Rautek, P., Bruckner, S., & Gröller, M. E. (2010). Dynamic Focus+ Context for Volume Rendering. In VMV (pp. 331-338).

Thema 6 – Partikelvisualisierung

Simulationen, etwa in der Thermodynamik, den Materialwissenschaften oder der Molekularbiologie, werden häufig mittels Partikeln durchgeführt. Dabei stellt jedes Partikel eine atomare Entität dar, die beispielsweise Kräften ausgesetzt wird mit anderen Entitäten interagiert. Dadurch bilden sich je nach Simulation dicht gepackte komplexe Strukturen, die eine visuelle Analyse erschweren. In diesem Vortrag sollen ausgewählte Methoden erklärt werden, die es mittels F&C erlauben ansonsten verborgene Strukturen zu erkennen.  

• Kauker, D., Krone, M., Panagiotidis, A., Reina, G., & Ertl, T. (2013, May). Rendering Molecular Surfaces using Order-Independent Transparency. In EGPGV (pp. 33-40).
• Staib, J., Grottel, S., & Gumhold, S. (2015, June). Visualization of Particle‐based Data with Transparency and Ambient Occlusion. In Computer Graphics Forum (Vol. 34, No. 3, pp. 151-160).

Thema 7 – Strömungsvisualisierung

Während sich Strömungen in einer Ebene kompakt visualisieren lassen, stellt die Darstellung von Strömungsfeldern im Raum ein Problem dar. Insbesondere die Selektion und performante Visualisierung von relevanten Elementen des Strömungsfeldes ist schwierig. In diesem Vortrag sollen wesentliche Methoden detailliert erklärt werden.

• Gasteiger, R., Neugebauer, M., Beuing, O., & Preim, B. (2011). The FLOWLENS: A focus-and-context visualization approach for exploration of blood flow in cerebral aneurysms. IEEE Transactions on Visualization and Computer Graphics, 17(12), 2183-2192.
• Günther, T., Rössl, C., & Theisel, H. (2013). Opacity optimization for 3D line fields. ACM Transactions on Graphics (TOG), 32(4), 120.

Themenbereich Erweiterungen

Thema 8 – Erweiterung: F&C in der Zeit

Mittels F&C kann auch zeitlich eine qualitative Kontextvisualisierung erzeugt werden. Dabei wird in zeitlich veränderlichen Daten ein bestimmter Zeitschritt im Fokus gezeigt. Zusätzlich wird der Kontext aus Informationen eines Zeitintervalls um diesen Zeitschritt gebildet. Diese weniger übliche Art des F&C soll in diesem Vortrag anhand einiger Beispiele motiviert und erläutert werden.

• Carvalho, A., De Sousa, A. A., Ribeiro, C., & Costa, E. (2008). A temporal focus+ context visualization model for handling valid-time spatial information. Information Visualization, 7(3-4), 265-274.
• Jones, C., & Ma, K. L. (2010). Visualizing flow trajectories using locality-based rendering and warped curve plots. IEEE transactions on visualization and computer graphics, 16(6), 1587-1594.

Thema 9 – Focus&Context mit großen Datenmengen

Durch die reduzierte Darstellung eines Großteils der Daten werden natürlich weniger Daten zu einem Zeitpunkt für die Visualisierung benötigt. Dadurch kann eine hohe Skalierbarkeit von Visualisierungen erreicht werden. Es sollen die wesentlichen theoretischen Grundlagen skalierbarer Methoden erläutert und anhand ausgewählter Beispiele motiviert werden.

• Doleisch, H., Hauser, H., Gasser, M., & Kosara, R. (2006). Interactive focus+ context analysis of large, time-dependent flow simulation data. Simulation, 82(12), 851-865.
• Yu, H., Wang, C., & Ma, K. L. (2007, November). Parallel hierarchical visualization of large time-varying 3D vector fields. In Proceedings of the 2007 ACM/IEEE conference on Supercomputing (p. 24). ACM.