Sélection des points de vue pour des données vectorielles en utilisant des techniques du réseau de neurones

La sélection des points de vue est un domaine de recherche important qui développe les méthodologies pour générer des visualisations sur des données numériques afin que les scientifiques puissent conclure rapidement des informations utiles en partant de ces images fournies. Dans ce mémoire, nous introduisons une nouvelle méthode qui trouve de bons points de vue pour des données vectorielles en construisant un réseau de neurones sous la forme d'un seul perceptron. Ce réseau de neurones simule le produit scalaire entre les poids du réseau et l'entrée, et est entraîné par nos nouvelles fonctions de perte qui représentent les critères sur la perpendicularité, la colinéarité et la distance représentée par le cosinus de l'angle entre deux vecteurs. Le vecteur obtenu par la normalisation des poids avec la valeur de perte minimale est la meilleure direction de vue trouvée pour visualiser le champ vectoriel. Un point de vue de cette direction est finalement construit avec la méthode de construction de point de vue proposée. Nous fournissons aussi une façon simple pour construire un chemin de caméra en utilisant des splines cubiques.

Abstract

Viewpoint selection is an important task in the domain of scientific visualization and can help scientists easily obtain information from the gathered data. In this thesis, we introduce a new method that utilizes a neural network to find an ideal viewpoint for the considered data in form of vector fields. Our method constructs a single perceptron that simulates the dot product between the weights considered as the viewpoint direction and the input vector, and we train this network by using our newly defined “perpendicularity loss”, “same line loss” and “cos distance loss”. The normalized vector from the weights with the minimum loss value after training is a good viewpoint direction referring to the criteria represented by the activated loss functions. A final viewpoint is constructed by using the proposed viewpoint generation method. We also present a simple way to build a camera path with spline curves.