• 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 >Validation of SplitVectors Encoding for Quantitative Visualization of Large-Magnitude-Range Vector Fields
【24h】

Validation of SplitVectors Encoding for Quantitative Visualization of Large-Magnitude-Range Vector Fields

机译：用于大幅度范围矢量场定量可视化的SplitVector编码验证

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We designed and evaluated SplitVectors, a new vector field display approach to help scientists perform new discrimination tasks on large-magnitude-range scientific data shown in three-dimensional (3D) visualization environments. SplitVectors uses scientific notation to display vector magnitude, thus improving legibility. We present an empirical study comparing the SplitVectors approach with three other approaches - direct linear representation, logarithmic, and text display commonly used in scientific visualizations. Twenty participants performed three domain analysis tasks: reading numerical values (a discrimination task), finding the ratio between values (a discrimination task), and finding the larger of two vectors (a pattern detection task). Participants used both mono and stereo conditions. Our results suggest the following: (1) SplitVectors improve accuracy by about 10 times compared to linear mapping and by four times to logarithmic in discrimination tasks; (2) SplitVectors have no significant differences from the textual display approach, but reduce cluttering in the scene; (3) SplitVectors and textual display are less sensitive to data scale than linear and logarithmic approaches; (4) using logarithmic can be problematic as participants' confidence was as high as directly reading from the textual display, but their accuracy was poor; and (5) Stereoscopy improved performance, especially in more challenging discrimination tasks.
机译：我们设计并评估了SplitVectors，这是一种新的矢量场显示方法，可帮助科学家对三维（3D）可视化环境中显示的大范围科学数据执行新的判别任务。 SplitVectors使用科学计数法显示矢量幅度，从而提高了可读性。我们提供了一项实证研究，将SplitVectors方法与其他三种方法进行了比较，这三种方法是科学可视化中常用的直接线性表示，对数和文本显示。二十名参与者执行了三个域分析任务：读取数值（判别任务），查找值之间的比率（判别任务）以及查找两个向量中的较大者（模式检测任务）。参与者使用了单声道和立体声条件。我们的结果表明以下几点：（1）与线性映射相比，SplitVectors的精度提高了约10倍，对数识别任务的对数提高了4倍； （2）SplitVectors与文本显示方法没有显着差异，但是可以减少场景中的混乱情况； （3）与线性和对数方法相比，SplitVectors和文本显示对数据规模不那么敏感； （4）使用对数可能会出现问题，因为参与者的信心与直接从文本显示中读取的信心一样高，但是他们的准确性很差； （5）立体镜提高了性能，尤其是在更具挑战性的识别任务中。

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