2019年 IEEE VIS 科学可视化与体渲染论文整理与分析

2019年 IEEE VIS 科学可视化与体渲染论文整理与分析

因为最近工作的关系，需要研究一下IEEE VIS中2017年以后的与我之前主要方向（体渲染、医学可视化）有关的论文。我把这些年全部的论文进行了筛选和梳理，总共筛选出57篇论文，打算写一个文章来记录这些内容。这个栏目是2019年的十篇论文的介绍。

第一篇：

Volume Path Guiding Based on Zero-Variance Random Walk Theory
Authors: Sebastian Herholz, Yangyang Zhao, Oskar Elek, Derek Nowrouzezahrai, Hendrik P. A. Lensch, Jaroslav Křivánek

蒙特卡洛方法通常用于渲染参与介质，其效率与路径构建过程中做出随机采样决策的方式直接相关。值得注意的是，路径构建受到散射方向和距离采样、俄罗斯轮盘赌和分裂策略的影响。我们提出了一套一致的体路径构建技术，其中所有这些采样决策都以伴随传输解决方案的缓存估计为指导。

所提出的策略基于零方差路径采样方案的理论，考虑了体传输的空间和方向变化。我们的关键技术贡献，使这种方法能够在体光传输的背景下使用，是一种新的指导策略，用于对粒子碰撞距离进行采样，该距离与透射率和伴随传输解决方案的乘积成比例（例如，在散射辐射中）。

此外，散射方向同样根据相位函数和入射辐射估计的乘积进行采样。结合引导式俄罗斯轮盘赌和量体裁衣的拆分策略，我们展示了与标准单向方法相比，误差减少了一个数量级。因此，我们的方法可以渲染这种方法难以处理的场景，同时仍然保持其简单性（例如，与双向方法相比）。

（将会附带详细解读）

第二篇：

A Null-Scattering Path Integral Formulation of Light Transport
Authors: Bailey Miller, Iliyan Georgiev Autodesk, Wojciech Jarosz

目前，对一般的、异构的参与介质进行无偏渲染需要使用零碰撞方法来估计透射率和生成自由路径距离。然而，这些方法的一个长期限制是，由于零碰撞拒绝采样过程的黑盒性质，无法计算相应的路径pdfs。因此，这些技术不能通过多重重要性采样（MIS）与其他采样技术相结合，这大大限制了它们的稳健性和通用性。最近，Galtier等人【2013】展示了如何直接从辐射传输方程（RTE）中导出这些算法。我们在这个广义RTE的基础上推导了零散射的路径积分公式，它揭示了采样pdfs，并允许我们通过MIS设计新的、表达现有的和组合互补的无偏技术。我们首次将空间和光谱变化介质中的几种路径采样技术相结合，推广并优于现有技术，从而证明了我们理论的实用性。

（将会附带详细解读）

第三篇：

A Learned Shape-Adaptive Subsurface Scattering Model
Authors: Delio Vicini, Vladlen Koltun, Wenzel Jakob

在许多类型的有机材料中，光折射到半透明材料中与其内部相互作用的次表面散射是光传输的主要模式。因此，考虑到这一现象对于视觉真实性至关重要，但对复杂内部散射过程的显式模拟往往成本过高。基于分析传输解决方案的BSSRDF模型效率明显更高，但强加了几乎总是违反的严格假设，例如平面几何、各向同性、低吸收和空间-方向可分性。由此产生的模型和使用之间的差异会导致渲染中出现令人反感的错误，尤其是在违反平面性的几何特征附近（就是在不是很平的几何附近效果不好）。

本文介绍了一种新的形状自适应BSSRDF模型，该模型保留了先前分析方法的效率，同时大大提高了整体精度。我们的方法基于条件变分自动编码器，该编码器学习从蛮力体路径跟踪器产生的参考分布中采样。与路径跟踪器相比，我们的自动编码器直接对物体表面的传出位置进行采样，绕过了可能漫长的内部散射过程。

分布是以材质特性和表征入射位置附近几何变化的一组特征为条件的。我们使用低阶多项式将局部几何建模为隐式定义的曲面，捕捉曲率、厚度、角点以及圆柱形和环形区域。我们给出了几个具有挑战性介质参数和复杂几何形状的物体的例子，并与ground truth模拟和先前的工作进行了比较。

（将会附带详细解读）

第四篇：

Neural Volumes: Learning Dynamic Renderable Volumes from Images
Authors: Stephen Lombardi, Tomas Simon, Jason Saragih, Gabriel Schwartz, Andreas Lehrmann, Yaser Sheikh

动态场景的建模和渲染具有挑战性，因为自然场景通常包含复杂的现象，如薄结构、不断演变的拓扑、半透明、散射、遮挡和生物运动。在这些情况下，基于网格的重建和跟踪往往失败，而其他方法（例如，光场视频）通常依赖于限制交互性的受限观看条件。受断层成像中使用的积分投影模型的启发，我们提出了一种基于学习的方法来表示动态对象，从而避免了这些困难。该方法在多视图捕捉设置中直接从2D图像进行监督，并且不需要对对象进行明确的重建或跟踪。我们的方法有两个主要组成部分：将输入图像转换为3D体表示的编码器-解码器网络，以及实现端到端训练的可微分ray-marching操作。凭借其3D表示，与屏幕空间渲染技术相比，我们的构建能够更好地推断出新颖的视点。编码器-解码器架构学习动态场景的潜在表示，使我们能够生成训练期间未看到的新颖内容序列。为了克服基于体素的表示的内存限制，我们学习了一种在光线行进过程中使用扭曲场实现的动态不规则网格结构。这种结构大大提高了表观分辨率，并减少了网格状伪影和锯齿状运动。最后，我们展示了如何将基于表面的表示纳入我们的体积学习框架，用于需要最高分辨率的应用，并以面部性能捕获为例。

（将会附带详细解读）

第五篇：

[S] FeatureLego: Volume Exploration Using Exhaustive Clustering of Super-Voxels (T)
Authors: Shreeraj Jadhav, Saad Nadeem, Arie Kaufman

我们提出了一个体积探索框架FeatureLego，它使用了一种新的体素聚类方法来有效地选择语义特征。我们将输入体划分为一组紧凑的超体素，这些超体素表示最细的选择粒度。然后，我们使用基于图的聚类方法对这些超体素进行详尽的聚类。与流行的暴力参数采样方法不同，我们提出了一种有效的算法来执行这种穷举聚类。通过计算一组详尽的聚类，我们的目标是捕捉尽可能多的边界，并确保用户有足够的选项来有效地选择语义相关的特征。此外，我们将所有计算出的聚类合并为一棵元聚类树，该树可用于分层探索。我们使用集群方法实现了一个直观的用户界面，以交互方式探索体。最后，我们在不同模态的多个真实世界数据集上展示了我们的框架的有效性。

（将会附带详细解读）

第六篇：

[S] Interactive Visualization and On-Demand Processing of Large Volume Data: A Fully GPU-Based Out-Of-Core Approach (T)
Authors: Jonathan Sarton, Nicolas Courilleau, Yannick Remion, Laurent Lucas

近年来，在广泛的科学领域，3D数据集的生产能力得到了广泛发展，尤其是随着其规模的快速增长。因此，许多大规模应用，包括可视化或处理，都变得难以解决。这个问题的解决方案在于提供专门设计用于处理比内存大得多的数据集的out-of-core算法。在本文中，我们提出了一种新的方法，该方法扩展了在GPU上的out-of-core体渲染领域已经建立的广泛的交互式寻址原则，以允许在可视化阶段进行按需处理。我们提出了一种管线，旨在将数据管理为常规三维网格，而不考虑底层应用程序。它依赖于一种高速缓存方法，该方法具有与GPU上的高效并行管理耦合的虚拟存储器寻址系统，以在交互时间中提供对数据的高效访问。它允许任何可视化或处理应用程序通过管理多模态数据集来利用其结构的灵活性。此外，我们还展示了我们的系统在GPU上的低内存预算的单个标准PC上提供了良好的性能。

（将会附带详细解读）

第七篇：

[S] Ray-based Exploration of Large Time-varying Volume Data Using Proxy Per-ray Distributions (T)
Authors: Ko-Chih Wang, Tzu-Hsuan Wei, Shareef Naeem, Han-Wei Shen

对现代超级计算机上模拟产生的数据进行分析和可视化是一项艰巨的挑战，因为现代超级计算机令人难以置信的计算能力使科学家能够生成具有极高空间和时间分辨率的数据集。将超级计算机连接到分析机的网络和存储设备的带宽和容量有限，成为数据分析的主要瓶颈，因此简单地将整个数据集从超级计算机移动到数据分析机是不可行的。在受限I/O下可视化高时间分辨率模拟数据集的一种常见方法是降低时域中的采样率，同时保持时间步长的原始空间分辨率。单独在采样的时间步长之间的数据插值可能不是可行的选择，因为它可能遭受大的误差，尤其是当使用较低的采样率时。我们提出了一种新的基于射线的表示，存储基于射线的直方图和深度信息，以恢复采样时间步长之间体积数据的演变。我们的视图相关代理允许在紧凑地表示时变数据和通过利用时间步长、射线直方图、深度信息和码本之间的插值来利用数据内的时间相干性之间进行良好的权衡。我们的方法能够在传递函数探索的背景下提供快速渲染，以支持时变数据中特征进化的可视化。

第八篇：

Cross-Platform Ubiquitous Volume Rendering Using Programmable Shaders in VTK for Scientific and Medical Visualization
Authors: Aashish Chaudhary, Sankhesh J. Jhaveri, Alvaro Sanchez, Lisa S. Avila, Kenneth M. Martin, Allison Vacanti, Marcus D. Hanwell, Will Schroeder

可视化工具包（VTK）是一个流行的跨平台开源工具包，用于科学和医学数据的可视化、处理和分析。它支持多边形和体积数据的各种数据格式、算法和渲染技术。特别是，VTK的体绘制模块长期以来一直提供一套全面的功能，如平面剪裁、颜色和不透明度传递函数、照明以及可视化所需的其他控件。然而，由于VTK的传统OpenGL后端及其对过时API的依赖，该系统没有利用图形硬件的最新改进或可编程管道的灵活性。此外，这种对过时管道的依赖在新兴计算平台上运行时带来了限制，从而限制了其整体适用性。针对这些缺点，VTK社区开发了一种新的改进的体绘制模块，该模块不仅提供了基于现代图形处理单元的实现，而且还通过快速体剪裁、基于梯度幅度的不透明度调制、渲染到纹理和基于硬件的体拾取等新功能增强了其功能。

（将会附带详细解读）

第九篇：

Efficient Space Skipping and Adaptive Sampling of Unstructured Volumes using Hardware Accelerated Ray Tracing (C)
Authors: Nate Morrical, Will Usher, Ingo Wald, Valerio Pascucci

基于采样的光线行进是一种有效的非结构化网格直接体绘制方法。然而，对这种网格进行采样仍然很昂贵，并且减少采样数量的策略相对较少受到关注。在本文中，我们介绍了一种使用粗略空间加速结构和硬件加速光线跟踪相结合的方法来绘制非结构化网格。我们的方法实现了对非结构化网格的有效空空间跳过和自适应采样，并比参考射线漫游器高出7倍。

（将会附带详细解读）

第十篇：

Hybrid Grids for Sparse Volume Rendering (C)
Authors: Stefan Zellmann, Deborah Meurer, Ulrich Lang
Shallow k-d树是一种用于稀疏体绘制的有效的空空间跳跃数据结构，并且可以针对中等大小的数据集实时构建。然而，更大的体数据集需要更深的k-d树，这些树充分地剔除空空间，但需要更长的时间来构建。与k-d树相比，均匀网格具有较差的剔除特性，但可以实时构建。我们提出了一种混合数据结构，该结构在根级采用分层细分，在叶级采用统一网格，以平衡稀疏体渲染的构建和渲染时间。我们对这个空间索引进行了全面的评估，并将其与现有技术的跳过空间的数据结构进行了比较。

（将会附带详细解读）