DL4SciVis:科学的可視化のための深層学習に関する現状調査【JST・京大機械翻訳】

Wang Chaoli; Han Jun

プレプリント

J-GLOBAL ID：202202215282571537 整理番号：22P0331792

DL4SciVis:科学的可視化のための深層学習に関する現状調査【JST・京大機械翻訳】

DL4SciVis: A State-of-the-Art Survey on Deep Learning for Scientific Visualization

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年04月13日プレプリントサーバーでの情報更新日： 2022年04月13日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

2016年以降,著者らは人工知能+可視化(AI+VIS)研究の大きな成長を目撃した。しかし,AI+VISに関する既存の調査論文は,科学的可視化(SciVis)ではなく,視覚解析と情報可視化に焦点を当てた。本論文では,特にDL4SciVisの方向におけるSciVisにおける関連深い学習(DL)研究について,SciVis問題を解くためのDL解の設計を検討した。焦点を合わせるために,スカラーとベクトル場データを扱うが,メッシュデータを除外する研究について主に考察した。6つの次元,即ち,ドメイン設定,研究タスク,学習タイプ,ネットワークアーキテクチャ,損失関数,および評価メトリック,を分類した。本論文は,議論された次元に沿って充填する残りのギャップの議論と,コミュニティとして取り組む必要があるグランドの課題を結論づける。この最新の調査は,この新たなトピックの概観を得て,本研究を成長させる将来の方向を指摘するSciVis研究者を導く。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

図形・画像処理一般

, ,

前のページに戻る