...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE transactions on visualization and computer graphics >FeatureLego: Volume Exploration Using Exhaustive Clustering of Super-Voxels
【24h】

FeatureLego: Volume Exploration Using Exhaustive Clustering of Super-Voxels

机译：FeatureLego：使用超级体素的穷举聚类进行体积探索

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We present a volume exploration framework, FeatureLego, that uses a novel voxel clustering approach for efficient selection of semantic features. We partition the input volume into a set of compact super-voxels that represent the finest selection granularity. We then performan exhaustive clustering of these super-voxels using a graph-based clustering method. Unlike the prevalent brute-force parameter sampling approaches, we propose an efficient algorithm to performthis exhaustive clustering. By computing an exhaustive set of clusters, we aim to capture as many boundaries as possible and ensure that the user has sufficient options for efficiently selecting semantically relevant features. Furthermore, we merge all the computed clusters into a single tree of meta-clusters that can be used for hierarchical exploration. We implement an intuitive user-interface to interactively explore volumes using our clustering approach. Finally, we show the effectiveness of our framework on multiple real-world datasets of different modalities.
机译：我们提出了一个体积探索框架FeatureLego，该框架使用一种新颖的体素聚类方法来有效选择语义特征。我们将输入量划分为一组代表最精细选择粒度的紧凑型超级体素。然后，我们使用基于图的聚类方法对这些超级体素进行详尽的聚类。与流行的蛮力参数采样方法不同，我们提出了一种有效的算法来执行此详尽的聚类。通过计算详尽的群集集，我们旨在捕获尽可能多的边界，并确保用户具有足够的选项来有效选择语义上相关的功能。此外，我们将所有计算出的群集合并到一个可用于分层探索的元群集树中。我们实现了一个直观的用户界面，以使用我们的聚类方法交互式地浏览卷。最后，我们在不同模式的多个真实世界数据集上展示了我们框架的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号