Feature tracking for space-filling structures

• Feature Tracking für raumfüllende Strukturen

Schnorr, Andrea; Kuhlen, Torsten (Thesis advisor); Garth, Christoph (Thesis advisor)

Aachen : RWTH Aachen University (2021)
Doktorarbeit

Dissertation, RWTH Aachen University, 2021

Kurzfassung

Eine Möglichkeit, die massiven Datenmengen, die aus zeitvarianten Simulationen resultieren, zu analysieren, ist die merkmalsbasierte Visualisierung. Die Analyse konzentriert sich dabei auf aussagekräftige Strukturen, sogenannte Features. Algorithmen für die zeitliche Verfolgung (Tracking) derartiger Strukturen zielen darauf ab, die zeitliche Entwicklung der Features zu rekonstruieren, indem sie automatisch zusammengehörige Strukturen in benachbarten Zeitschritten einander zuordnen. Bisherige Verfahren gehen davon aus, dass die untersuchten Strukturen nur einen geringen Teil des Datenraumes ausfüllen. Bei ausreichender zeitlicher Auflösung sind sie in der Lage, automatisch zeitliche Zusammenhänge zu bestimmen. Die im Rahmen unserer Forschung untersuchten Strukturen sind raumfüllend definiert, d.h. sie partitionieren die gesamte Domäne. Motiviert ist dies durch die Forschung unserer Kooperationspartner. Sie arbeiten an der statistischen Analyse von Dissipationselementen -- Strukturen, die per Definition raumfüllend sind. Ihr Ziel ist, die Analyse auf ein zeitvariantes Szenario auszuweiten. In dieser Arbeit stellen wir ein Verfahren vor, das die effiziente zeitliche Verfolgung beider Arten von Features ermöglicht. Dazu entwickeln wir ein Framework für die automatische Evaluierung von Tracking-Verfahren, ein algorithmisches Tracking-Framework und eine effiziente Implementierung dieses Frameworks. Zunächst entwickeln wir ein Evaluierungsframework, das mithilfe von algorithmischen Generatoren synthetische Datensätze und die zugehörigen Ground-Truth-Daten erzeugt. Auf diese Weise lässt sich die Genauigkeit einer Methode strukturiert quantifizieren und ein Vergleich verschiedener Ansätze anhand der Messungen wird ermöglicht. Anschließend stellen wir ein neues Verfahren für die zeitliche Verfolgung beliebiger Strukturen vor. Der zeitliche Zusammenhang zwischen benachbarten Zeitschritten wird durch sukzessives Lösen zweier Graphoptimierungsprobleme ermittelt. Zuerst werden lineare Zuordnungen durch ein gewichtsmaximales Matching maximaler Kardinalität auf einem bipartiten Graphen berechnet. In der zweiten Phase detektiert der Algorithmus Events. Dazu wird ein gewichtsmaximales Independent Set auf einem Graphen aller möglichen, potentiell widersprüchlichen Evolutionen bestimmt. Außerdem stellen wir eine optimierte Version der zweiten Phase des Algorithmus vor, die die modellspezifische Graphstruktur des Trackingproblems nutzt. Die Anwendbarkeit der Methode wird anhand mehrerer Fallstudien demonstriert, die sowohl die Evaluierung mithilfe des Frameworks als auch die Analyse verschiedener Simulationsdatensätze umfassen.

Einrichtungen

• JARA-HPC [080012]
• Fachgruppe Informatik [120000]
• Lehr- und Forschungsgebiet Virtuelle Realität und Immersive Visualisierung [124620]