Anisotropic Sampling

Beschreibung

Ziel dieses Projekts ist die effiziente Erzeugung anisotroper Sampleverteilunugen. Größe und Form der Samples sind durch eine Riemannsche Metrik definiert, die von einem Skalar-, Vektor- oder Tensorfeld abgeleitet werden kann. Die finale Verteilung soll die folgenden Eigenschaften haben: (1.) Die Samples sind weitesgehend überlappungsfrei und approximieren eine verallgemeinerte Poisson-Disk Verteilung. (2.) Sie überdecken das Definitionsgebiet dicht, ohne regelmäßige Strukturen zu erzeugen. Um diese Ziele zu erreichen, haben wir Verfahren entwickelt und analysiert, die auf Ideen aus der Sampling-Theorie sowie auf Arbeiten aus dem Bereich der Gittergenerierung aufbauen.

Mitarbeiter

Ingrid Hotz, Zuse Institute Berlin
Andrea Kratz, Zuse Institute Berlin
Nino Kettlitz, Zuse Institute Berlin

Verantwortlich

Andrea Kratz, Ingrid Hotz

Finanzierung

DFG Emmy Noether Nachwuchsgruppe Vergleichende Visualisierung (09/2008–09/2011)

Dauer

01/2005-

Publikationen

Andrea Kratz, Nino Kettlitz, Ingrid Hotz. Particle-Based Anisotropic Sampling for Two-Dimensional Tensor Field Visualization. Vision Modeling and Visualization (VMV'11), pp. 145-152, 2011.
Louis Feng, Ingrid Hotz, Bernd Hamann, Kenneth Joy. Anisotropic Noise Samples for Tensor Field Visualization. IEEE Transactions on Visualization and Computer Graphics. pp. 342-354, 2008
Louis Feng, Ingrid Hotz, Bernd Hamann, Kenneth I. Joy. Dense Glyph Sampling for Visualization. Visualization and Processing of Tensor Fields: Advances and Perspectives. Springer-Verlag, pp. 177-193. 2008.

<- Zurück zu: Aktuelle Projekte