Toward Reliable Scientific Visualization Pipeline Construction with Structure-Aware Retrieval-Augmented LLMs
Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences(中国科学院大学杭州高等研究院);University of Chinese Academy of Sciences(中国科学院大学);Computer Network Information Center, Chinese Academy of Sciences(中国科学院计算机网络信息中心)
本文提出结构感知检索增强型大语言模型,用于生成可执行的科学可视化管道,通过提供 vtk.js 代码示例提高模块选择和执行顺序的准确性,降低人工修正成本。
2026-03-27 cs.GR cs.HC cs.SE
Compressive Modeling and Visualization of Multivariate Scientific Data using Implicit Neural Representation
Indian Institute of Technology Kanpur (IIT Kanpur)(印度理工学院坎浦尔学院)
本文提出利用隐式神经表示和参数共享的单一网络,对含数十至数百变量的多变量科学数据进行压缩建模,实现最先进的数据压缩,并在重建质量、可视化效果、依赖保持和存储效率上表现优越。
2025-10-17 cs.GR cs.LG
Ascribe New Dimensions to Scientific Data Visualization with VR
Applied Math and Computational Research Division Lawrence Berkeley National Laboratory(应用数学与计算研究部伯克利国家实验室)
针对鼠标交互和2D可视化在复杂多尺度科学图像分析中的局限性,本文提出融合AI算法与科学图像的ASCRIBE-VR平台,支持多模态分析与沉浸式可视化,提升科学发现效率并弥合计算分析与人类直觉的差距。
2025-04-18 cs.AI cs.CE cs.GR
3D Gaussian Modeling and Ray Marching of OpenVDB datasets for Scientific Visualization
本文提出利用OpenVDB稀疏数据格式作为建模框架,将其转换为3D高斯粒子以实现科学体数据的进一步压缩与统一建模,并在OptiX8.1中实现了基于线积分的光线步进渲染算法,同时探讨了该模型在AMR体和点云等非规则网格格式上的应用。
2025-09-14 cs.GR
Composing DTI Visualizations with End-user Programming
我们提出了一个科学可视化语言Zifazah组成的扩散张量磁共振成像(DT-MRI或DTI)数据的三维可视化的设计和原型实现。与面向程序员的数据可视化灵活定制的现有工具不同,我们专注于领域科学家作为最终用户,以使他们能够自由地组成他们的科学数据集的可视化。我们分析了从使用DTI进行临床实践的神经学家和医生的访谈中提取的最终用户描述,这些描述是关于他们如何构建和使用DTI可视化来收集语言设计的语法和语义,并发现了拟议语言的元素和结构。Zifazah利用最初的一组词汇和语义,以直观的语法和用法提供一种声明性语言。这项工作的贡献,除其他外,科学可视化语言设计的主要设计原则,以及这样的语言与Zifazah的DTI可视化的实践。首先,Zifazah结合了基于颜色,大小和形状的视觉符号映射,这是Bertin分类法迁移到科学可视化的子集。第二,Zifazah被定义为一种空间语言,可以编程用于3D对象可视化和操作的空间关系的词汇表示,这是科学数据的特征。第三,基于Bertin的符号学,我们的语言中集成了专门用于科学可视化的灵活数据编码,以使最终用户能够以最佳方式实现最佳视觉组合。随着我们的语言设计功能的样本脚本代表,一些新的DTI可视化作为最终用户使用新的可视化语言创建的运行结果也被提出。
2013-10-10 cs.GR cs.HC cs.PL
SPOT: Open Source framework for scientific data repository and interactive visualization
SPOT是一个开源和免费的多维数据集可视化数据分析工具。其基于Web的界面允许交互式地快速分析复杂数据。实现了对数据的聚合、过滤等操作。生成的图表是响应式的,并支持OpenGL。它遵循公平的原则,允许重复使用和比较公布的数据集。该软件还支持PostgreSQL数据库的可扩展性。
2018-09-20 cs.GR cs.HC hep-ex
A Brief Note on Building Augmented Reality Models for Scientific Visualization
University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出一种基于ParaView和Blender的开源可视化流水线,用于创建和渲染有限元模拟结果的增强现实模型,并通过智能手机平台展示,以促进AR在科学可视化中的应用。
2022-07-30 cs.GR cs.HC
An Evaluation-Centric Paradigm for Scientific Visualization Agents
Univ. Notre Dame(内布拉斯加大学);LLNL(劳伦斯利弗莫尔国家实验室);Vanderbilt Univ.(范德比大学)
本文提出面向科学可视化智能体的以评估为中心的范式,分析评估类型与挑战,并呼吁构建大规模基准以衡量能力、促进自我改进和推动领域创新。
2025-09-18 cs.CL cs.GR cs.HC
Fast Compressed Segmentation Volumes for Scientific Visualization
本文提出一种针对分割体数据的无损压缩技术,通过迭代细化编码小块标签及边界,结合全局频率表的rANS熵编码,实现高吞吐量(GB/s级)和约1%-3%的强压缩比,并支持GPU实时可视化与细节层次渲染。
2023-11-16 cs.GR
GeneticPrism: Multifaceted Visualization of Scientific Impact Evolutions
针对现有学术影响力呈现方式抽象、缺少个人影响力演化可视化的问题,提出集成可视化流程GeneticPrism,通过3D棱镜等多类视觉隐喻展示学者多主题的影响力演化,并经图灵奖得主等案例验证有效。
2024-08-14 cs.DL cs.GR cs.SI
ASCRIBE-XR: Virtual Reality for Visualization of Scientific Imagery
本文提出 ASCRIBE-XR 平台,利用 Godot 与 PC-VR 技术支持同步加速器三维体数据和网格数据的动态可视化,并通过 WebRTC 和 MQTT 实现多用户实时协作探索。
2025-07-03 cs.GR cs.HC
Immersive VR Visualizations by VFIVE. Part 2: Applications
VFIVE是CAVE型沉浸式虚拟现实系统的科学可视化应用程序。源代码是免费提供的。VFIVE被用作各种VR系统的研究工具。同时也为开发新的CAVE可视化软件奠定了基础。在本文中,我们拿起五个CAVE系统在四个不同的机构在日本。总结了VFIVE在各个CAVE系统中的应用。将特别强调VFIVE所取得的科技成就。
2013-01-25 cs.GR physics.comp-ph
Artifact-Based Rendering: Harnessing Natural and Traditional Visual Media for More Expressive and Engaging 3D Visualizations
我们介绍了基于人工制品的渲染(ABR),一个工具,算法和过程的框架,使其有可能产生真正的,数据驱动的3D科学可视化与视觉语言完全来自颜色,线条,纹理和形式创建使用传统的物理媒体或在自然界中发现。ABR的理论和过程,以解决当前的三个需求:(i)设计更好的可视化,使非程序员能够快速设计和评论许多替代的数据到视觉的映射;(ii)扩大视觉词汇表中使用的科学可视化描绘日益复杂的多变量数据;(iii)带来一个更吸引人的,自然的,和人类相关的手工制作的美学数据可视化。支持ABR的新工具和算法包括前端小程序,用于构建基于人工制品的色彩映射表,优化用于数据可视化的3D扫描网格,以及从人工制品合成纹理。这些都是由一个交互式渲染引擎与自定义算法和接口,演示了多个新的视觉风格描绘点,线,表面和体积数据的补充。一项研究团队内部的设计研究提供了早期证据,证明与传统的科学可视化系统相比,ABR被认为能够实现可视化设计过程的转变。气候科学和脑成像应用的定性用户反馈支持ABR的科学发现和公众沟通的效用。
2019-10-15 cs.GR cs.HC
3D Gaussian Particle Approximation of VDB Datasets: A Study for Scientific Visualization
针对科学可视化中体积和模拟数据集复杂度与规模增长的问题,本文探索OpenVDB在该领域的应用,研究3D高斯粒子近似体素区域的LOD技术,集成相关库以提升内存效率与渲染性能。
2025-04-16 cs.GR
DL4SciVis: A State-of-the-Art Survey on Deep Learning for Scientific Visualization
University of Notre Dame(圣母大学)
自2016年以来,我们见证了人工智能+可视化(AI+VIS)研究的巨大增长。然而,现有的关于AI+VIS的调查论文集中在视觉分析和信息可视化上,而不是科学可视化(SciVis)。在本文中,我们调查了SciVis中的相关深度学习(DL)工作,特别是在DL4SciVis的方向:设计用于解决SciVis问题的DL解决方案。为了保持专注,我们主要考虑处理标量和矢量场数据但不包括网格数据的作品。我们从领域设置、研究任务、学习类型、网络结构、损失函数和评价指标六个维度对这些工作进行分类和讨论。本文最后讨论了剩余的差距,以填补沿所讨论的方面和重大挑战,我们需要解决作为一个社区。这项最先进的调查指导SciVis研究人员获得这一新兴主题的概述,并指出未来发展这项研究的方向。
2022-04-13 cs.AI cs.CV cs.GR
Audience Reach of Scientific Data Visualizations in Planetarium-Screened Films
University of Utah(犹他大学);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
研究通过调查和外推估算天文馆穹顶影片的全球观众数量,揭示科学可视化在教育传播中的广泛影响。
2024-10-30 astro-ph.IM cs.CY cs.GR
Cinematic Visualization of Multiresolution Data: Ytini for Adaptive Mesh Refinement in Houdini
针对现有科学可视化工具难生成电影级时变数值数据表示的问题,研究提出将嵌套多分辨率数据集导入商用视觉特效软件的通用方法,给出Houdini导入自适应网格细化数据的示例,并配套含代码等资源的教程。
2018-11-01 cs.GR
Machine Learning for Scientific Visualization: Ensemble Data Analysis
本研究提出FLINT和HyperFLINT模型,通过深度学习方法提升时空科学数据的分析与可视化质量,实现高精度流估计和时间插值。
2025-11-28 cs.AI cs.CV cs.GR
NARVis: Neural Accelerated Rendering for Real-Time Scientific Point Cloud Visualization
University of Maryland, College Park(马里兰大学帕克分校);University of Maryland, Baltimore County(马里兰大学巴尔的摩县分校);NASA(美国国家航空航天局);Hampton University(汉普顿大学)
NARVis通过神经后处理提升大规模点云渲染效率,实现高速高保真可视化,适用于多维流场和地形扫描。
2026-03-30 cs.CV cs.GR cs.HC
VizGenie: Toward Self-Refining, Domain-Aware Workflows for Next-Generation Scientific Visualization
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);Coastal Carolina University(海岸卡罗来纳大学);Ohio State University(俄亥俄州立大学)
本研究提出自优化智能体框架VizGenie,通过LLM编排领域模块、动态生成可视化脚本并自动验证集成,结合自然语言界面、VQA与RAG提升交互性与可靠性,降低科学可视化任务认知负担,支持可复现的特征导向探索。
2025-07-18 cs.AI cs.GR cs.HC
Exploring LLM Agent Designs and Interaction Modalities for Scientific Visualization
Univ. Notre Dame(诺特难大学);LLNL(劳伦斯利弗莫尔国家实验室)
本文研究不同类型的LLM代理在科学可视化任务中的表现,通过评估八种代表性代理在15个基准任务中的可视化质量、效率、鲁棒性和计算成本,发现通用编程代理任务成功率最高但计算成本高,领域专用代理更高效稳定但灵活性差,计算机使用代理在单步任务表现良好但多步流程受限。
2026-06-26 cs.AI cs.GR cs.HC
IDLat: An Importance-Driven Latent Generation Method for Scientific Data
The Ohio State University(俄亥俄州立大学);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
本文提出IDLat方法,通过空间重要性图引导隐变量生成,并结合无损熵编码减小隐表示尺寸,以提升领域兴趣驱动的科学可视化中存储与重建效率。
2022-08-05 cs.GR cs.LG
SciVisAgentBench: A Benchmark for Evaluating Scientific Data Analysis and Visualization Agents
University of Notre Dame(圣母大学);Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室);University of Utah(犹他大学);University of Nebraska–Lincoln(内布拉斯加大学林肯分校);The Ohio State University(俄亥俄州立大学);Argonne National Laboratory(阿贡国家实验室);Anthropic PBC
本文提出SciVisAgentBench,一个用于评估科学数据可视化代理的基准测试,涵盖四个维度,包含108个案例,结合LLM和确定性评估器进行多模态评估,揭示代理能力差距。
2026-08-11 cs.AI cs.GR cs.HC
HiLSVA: Design and Evaluation of a Human-in-the-Loop Agentic System for Scientific Visualization
Department of Computer Science and Engineering, University of Notre Dame(Notre Dame 大学计算机科学与工程系)
提出HiLSVA,一种人机协同智能系统,通过计划优先的多智能体架构、显式人类监督和逐步溯源,支持混合主动的科学可视化工作流,增强而非替代人类分析推理。
2026-07-20 cs.AI cs.GR cs.HC
HyperFLINT: Hypernetwork-based Flow Estimation and Temporal Interpolation for Scientific Ensemble Visualization
University of Groningen(格罗宁根大学);University of California, Davis(加利福尼亚大学戴维斯分校);NVIDIA(英伟达公司)
HyperFLINT利用超网络动态适应模拟参数,实现科学集成数据中的流场估计与时间插值,显著提升性能并支持参数空间探索。
2025-03-25 cs.CV cs.GR cs.LG
3D Gaussian Splatting for Scientific Particle Data Compression and Rendering
Temple University(天普大学);Argonne National Laboratory(阿贡国家实验室)
针对大规模粒子模拟带来的存储等压力及现有压缩器问题,提出基于3D高斯点渲染的ParticleGS框架,结合多种技术,在HACC模拟中表现出色,压缩率高且渲染速度快,并能推广到其他模拟。
2026-07-28 cs.DC cs.GR
ViSNeRF: Efficient Multidimensional Neural Radiance Field Representation for Visualization Synthesis of Dynamic Volumetric Scenes
针对动态体场景可视化合成现有方法需大量训练数据、学习时间长的问题,提出具备3D感知能力的ViSNeRF方法,基于多维神经辐射场表示,可从稀疏样本高效重建可视化并支持多参数灵活探索,性能优于基线方法达到当前最优水平。
2025-02-23 cs.GR
Real time, cross platform visualizations with zero dependencies for the N-body package REBOUND
University of Toronto(多伦多大学)
REBOUND通过网页浏览器实现无需依赖的实时可视化,支持多平台和多种可视化模式。
2026-02-06 astro-ph.EP astro-ph.IM cs.GR
Accelerating In-transit Isosurface Generation With Topology Preserving Compression
本文提出一种利用有损压缩的框架,通过压缩分层表示和拓扑保持压缩技术,在保证保真度的前提下加速传输中等值面生成,实现高达4倍的可视化工作流加速。
2024-08-10 cs.DC cs.GR
HyperINR: A Fast and Predictive Hypernetwork for Implicit Neural Representations via Knowledge Distillation
University of California, Davis(加州大学戴维斯分校)
本文提出超网络架构HyperINR,结合多分辨率哈希编码与知识蒸馏,直接预测紧凑INR权重,在保持泛化能力的同时实现百倍推理加速,支持高质量实时科学可视化。
2023-04-09 cs.GR cs.LG
Uncertainty-Informed Volume Visualization using Implicit Neural Representation
IIT Kanpur(印度理工学院坎普尔分校);Oak Ridge National Lab.(橡树岭国家实验室);University of Utah(犹他大学)
针对深度神经网络缺乏预测不确定性估计能力的问题,本研究提出不确定性感知隐式神经表示建模标量场,评估两种深度不确定性估计技术,验证其能生成有价值的体可视化结果并提升模型可信度。
2024-08-12 cs.AI cs.CV cs.GR
Multivariate Pointwise Information-Driven Data Sampling and Visualization
随着现代超级计算机计算能力的不断提高,科学模拟产生的数据规模也在迅速增长。因此,应用科学家需要有效的数据摘要技术,可以减少大规模的多变量时空数据集,同时保留重要的数据属性,使减少的数据可以回答特定领域的查询,涉及多个变量具有足够的准确性。在分析复杂的科学事件时,领域专家经常将两个或多个变量一起分析和可视化,以更好地理解数据特征的特性。因此,需要数据摘要技术来详细分析多变量关系,然后执行数据约简,使得涉及多个变量的重要特征保留在约简的数据中。为了实现这一目标,在这项工作中,我们提出了一个数据子采样算法进行统计数据汇总,利用逐点信息理论的措施,考虑多个变量,以量化数据点的统计关联,并生成一个子采样数据,保持多个变量之间的统计关联。使用这样减少的采样数据,我们表明,多元特征查询和分析可以有效地进行。提出的多变量关联驱动抽样算法的有效性,通过将其应用于几个科学数据集。
2019-07-26 cs.GR cs.HC cs.IT
DVQA: Understanding Data Visualizations via Question Answering
Rochester Institute of Technology(罗切斯特理工学院);Adobe Research(奥多比研究院)
条形图是传达数字信息的一种有效方式,但今天的算法无法解析它们。现有的方法在面对甚至微小的外观变化时都会失败。在这里,我们提出DVQA,一个数据集,测试在问答框架中条形图理解的许多方面。与视觉问答(VQA)不同,DVQA需要处理特定条形图所特有的单词和答案。最先进的VQA算法在DVQA上表现不佳,我们提出了两个表现得更好的强基线。我们的工作将使算法能够从科学出版物、互联网文章、商业报告和许多其他领域中发现的大量条形图中自动提取数字和语义信息。
2018-03-29 cs.CV cs.GR
Adaptively Placed Multi-Grid Scene Representation Networks for Large-Scale Data Visualization
The Ohio State University(俄亥俄州立大学)
针对大规模科学体数据,本文提出自适应放置多网格 SRN(APMGSRN)与多 GPU 域分解训练推理方法,提升重建精度并支持实时神经体绘制。
2024-04-06 cs.CV cs.GR eess.IV