Abstract:
Motivation und Problemstellung
Die wissenschaftliche Visualisierung ermöglicht es, Rohdaten in aussagekräftige Darstellungen umzuwandeln, die unser Verständnis der zugrunde liegenden Phänomene verbessern. Mithilfe der Visualisierung können Fachleute, Wissenschaftler, Ingenieure und sogar unerfahrene Benutzer wertvolle Einblicke in Prozesse wie wissenschaftliche Simulationen oder reale Systeme gewinnen.
Die Visualisierung von Vektorfeldern ist ein aktives Forschungsgebiet, das Experten in verschiedenen Bereichen wie Biologie, Chemie, Medizin usw. bei der Untersuchung wichtiger Phänomene in Strömungsdaten unterstützt. ... mehrHierbei werden geometrische Strukturen wie Punkte, Linien und Flächen verwendet, um Charakteristika von Strömungen darzustellen. Allerdings sind diese Visualisierungen oft unübersichtlich. Dadurch können wichtige Merkmale durch weniger wichtige Merkmale verdeckt werden. In den letzten Jahren wurde dieses Problem mit verschiedenen Ansätzen angegangen, wie z. B. die Selektion von Stromlinien und Opacity Optimization [GTG17]. Opacity Optimization versucht dabei, wichtige innere Strukturen sichtbar zu machen, indem weniger wichtige Bereiche durchsichtig dargestellt werden. Die meisten dieser Techniken sind jedoch zu rechenaufwendig, insbesondere in Echtzeit und interaktiven Umgebungen.
Darüber hinaus ist das Verständnis großer und komplexer Teilchensimulationen des Universums für Physiker, Astrophysiker und andere Wissenschaftler immer wichtiger geworden. Kosmologische Strukturen, die Bildung von Galaxien und die Entwicklung des Universums können mit dynamischen Teilchensimulationen wie den smoothed particle hydrodynamics (SPH) untersucht werden, die auf großen Rechenclustern ausgeführt werden. Mit dem kontinuierlichen Wachstum der Rechenleistung und der Speicherkapazität sind die durch diese Simulationen erzeugten Datenmengen jedoch auf Größenordnungen von Petabytes und mehr angewachsen. Infolgedessen stellt die interaktive Visualisierung großer Partikeldatensätze eine große Herausforderung dar, wenn es darum geht, eine schnelle Rückmeldung für eine effektive Datenexploration zu liefern.
Beiträge
In dieser Dissertation beschäftige ich mich mit verschiedenen Herausforderungen im Bereich der wissenschaftlichen Visualisierung und schlage effiziente Lösungen für die Darstellung und das Verständnis komplexer Datensätze vor. Die vorgestellte Arbeit untersucht Visualisierungstechniken für Vektorfelddatensätze aus verschiedenen wissenschaftlichen Bereichen sowie für große Partikelsätze aus Universumssimulationen. Die vorgeschlagenen Lösungen nutzen die massiv-parallele Architektur moderner GPUs, um eine schnelle und interaktive Darstellung zu ermöglichen.
Ich schlage zunächst eine neuartige Technik zur geometriebasierten Visualisierung von Vektorfeldern vor. Dieser Ansatz verallgemeinert und kombiniert mehrere bestehende Methoden in einem flexiblen Rahmen mit einer skalierbaren, GPU-beschleunigten Implementierung [ZPRD22]. Darüber hinaus stelle ich eine neue Methode zur Optimierung der Opazität in der Vektorfeldvisualisierung vor, um wichtige Merkmale sichtbar zu machen. Die Methode basiert auf aktuellen momentbasierten Techniken zur Signalrekonstruktion [ZRPD20]. Zuletzt stelle ich einen interaktiven Visualisierungsrahmen für große Partikelsätze vor. Diese Methode stützt sich auf Level-of-Detail (LoD)-Strukturen und GPU-basiertes Out-of-Core (OOC) Paging. Der vorgeschlagene Ansatz ermöglicht das interaktive Rendering von Millionen von Partikeln auf dem Grafikprozessor unter Verwendung von LoD-Strukturen.
Glyph-based Flow Visualization [ZPRD22]
Die line integral convolution (LIC) ist die Standardmethode für die texturbasierte Visualisierung von Vektorfeldern sowohl in 2D als auch in 3D. Diese Methode bietet eine dichte Vektorfelddarstellung, die das Auffinden von Startpunkten für die Partikelverfolgung überflüssig macht. Texturbasierte 3D-Methoden leiden jedoch unter einer hohen Rechenkomplexität aufgrund von Faltungsoperationen und Volumenrendering.
Geometriebasierte Strömungsvisualisierungstechniken hingegen erzeugen individuelle geometrische Glyphen, die mehr Informationen als nur die Richtung vermitteln, wie z. B. Rotation durch Strömungsbänder oder Divergenz durch Strömungsrohre. Infolgedessen sind verschiedene Glyphen erforderlich, um verschiedene Phänomene zu visualisieren, die oft innerhalb eines einzigen Vektorfeldes nebeneinander bestehen.
Wir präsentieren eine neuartige Visualisierungstechnik für die geometriebasierte Visualisierung von Vektorfeldern. Unser Ansatz verallgemeinert und kombiniert mehrere bestehende Methoden in einem flexiblen Rahmen mit einer skalierbaren, GPU-beschleunigten Implementierung. Wir bilden charakteristische Linien auf eine Vielzahl von Glyphen ab, die es dem Benutzer ermöglichen, mehrere Querschnittsformen zu definieren. Unsere Methode interpoliert zwischen diesen Formen auf der Grundlage der Attribute des Vektorfelds und der charakteristischen Linien oder unter Verwendung globaler benutzergesteuerter Parameter. Dadurch kann eine einzige charakteristische Linie in verschiedenen Teilen unterschiedliche Querschnittsformen verwenden, was die Visualisierung verschiedener Phänomene erleichtert.
Darüber hinaus emuliert der vorgeschlagene Ansatz das Aussehen von 3D-LIC durch eine Annäherung des Volumenintegrals innerhalb unserer Glyphen. In Kombination mit order-independent transparency erreicht unsere GPU-Implementierung ein schnelles Rendering bei hohen Auflösungen, während der Speicherbedarf moderat bleibt.
Moment-based Opacity Optimization [ZRPD20]
Geometrische Verdeckungen sind ein häufiges Problem bei der Visualisierung von Strömungen, da sie es schwierig machen, wichtige Informationen hinter dichten, aber weniger wichtigen Bereichen zu erkennen. Die opacity optimization ist eine weit verbreitete Technik, die die Durchsichtigkeit unwichtiger Bereiche manipuliert. Hierbei muss zwischen der Auswahl wichtiger Bereiche und der Vermeidung von Verdeckung abgewägt werden.
Es wurde ein neuartiger Ansatz für die opacity optimization entwickelt, der auf momentbasierten Techniken zur Signalrekonstruktion beruht. Im Gegensatz zu abgeschnittenen Fourier-Reihen sind momentbasierte Rekonstruktionen der Wichtigkeit und der optischen Tiefe entlang von Sichtstrahlen in dünn besiedelten Regionen sehr genau und in dicht besiedelten Gebieten noch plausibel. Zusätzlich leiden momentbasierte Methoden im Gegensatz zu Fourier-Reihen nicht unter Ringing-Artefakten. Diese Darstellung ermöglicht außerdem eine schnelle Auswertung und kompakte Speicherung, was für die Optimierung pro Pixel, insbesondere bei großen geometrischen Strukturen, unerlässlich ist.
Darüber hinaus beinhaltet die entwickelte Methode einen schnellen Screen Space-Filterungsansatz für optimierte Opazitäten, der direkt auf Momentpuffern arbeitet. Dieser Filteransatz ist für Echtzeit-Visualisierungsanwendungen geeignet und bietet eine vergleichbare Qualität wie die Objektraumglättung. Die Implementierung ist unabhängig von der Art der Geometrie, wodurch sie allgemein und leicht zu integrieren ist.
Out-of-Core Large Particles Visualization
Es wurde eine Visualisierungsmethode für große Partikelsätze entwickelt, die auf LoD-Strukturen und GPU-basiertem out-of-core (OOC) Paging basiert. Wir verwenden GPU-basiertes OOC Paging, um eine Baumstruktur als Index für große Partikelsätze zu konstruieren. Unsere Baumstruktur kann für level-of-detail (LoD) Konstruktion und LoD Rendering verwendet werden. Mit dieser Methode können Millionen von Partikeln bei interaktiven Bildwiederholraten auf der GPU dargestellt werden. Wir evaluieren unsere Methode anhand der Partikelsimulation des Illustris-Datensatzes.
Abstract (englisch):
Motivation and Problem Statement
Scientific visualization is a discipline that transforms raw data into meaningful representations, enhancing our understanding of underlying phenomena. Through visualization, domain experts, scientists, engineers, and even novice users can gain valuable insights into processes such as scientific simulations and real-world systems.
Vector field visualization is an active area of research that supports experts across many disciplines—including biology, chemistry, and medicine—in exploring critical phenomena and identifying salient features within flow data. ... mehrGeometric primitives such as points, lines, and surfaces are fundamental to representing flow structures. However, these visualizations often suffer from visual clutter, which can obscure important features beneath dense or less relevant elements.
To address this challenge, recent advances in scientific visualization have introduced techniques such as streamline selection and opacity optimization [GTG17] to reduce geometric clutter and occlusion. Among these, opacity optimization has emerged as a key strategy to balance the visibility of meaningful internal structures with the suppression of occluding or less informative regions. Although these techniques are highly effective, they typically require significant computational resources, thereby constraining their applicability in real-time and interactive settings.
In parallel, understanding large-scale particle simulations of the universe has become increasingly important for physicists, astrophysicists, and other domain scientists. Cosmological structures, galaxy formation, and the evolution of the universe are explored using dynamic particle simulations—such as smoothed particle hydrodynamics (SPH)—executed on large compute clusters. However, advances in computational power and storage have led to simulation outputs at the tera-, peta-, and even exascale. As a result, interactively visualizing such massive datasets presents a significant challenge—particularly in maintaining responsiveness during data exploration.
Contributions
This dissertation addresses several key challenges in scientific visualization and proposes efficient solutions for the rendering and understanding of complex datasets. The presented work explores visualization techniques for vector field datasets from various scientific domains, as well as large particle sets from cosmological simulations. All proposed solutions leverage the massively parallel architecture of modern Graphics Processing Units (GPUs) to enable fast and interactive rendering.
First, a novel technique for geometry-based visualization of vector fields is introduced. This approach generalizes and unifies several existing methods into a flexible framework with a scalable, GPU-accelerated implementation [ZPRD22]. Second, a new opacity optimization method is proposed, based on recent moment-based techniques for signal reconstruction [ZRPD20]. Third, an interactive visualization framework for large particle datasets is developed, relying on level-of-detail (LoD) structures and GPU-based out-of-core (OOC) paging. This framework enables the interactive rendering of millions of particles entirely on the GPU.
Glyph-based Flow Visualization [ZPRD22]
Line integral convolution (LIC) is a standard method for texture-based vector field visualization in both 2D and 3D. These methods produce dense representations of vector fields and eliminate the need to select seed points for particle tracing. However, 3D texture-based methods are computationally demanding due to texture convolution and volume rendering.
In contrast, geometry-based techniques generate individual glyphs that convey not only direction but also other attributes, such as rotation (via streamribbons) or divergence (via streamtubes). As a result, multiple glyph types are often needed to capture the diverse phenomena that coexist within a single vector field.
We present a novel geometry-based visualization method that unifies and extends prior approaches within a flexible, GPU-accelerated framework. Characteristic lines are mapped to a variety of glyphs, allowing users to define multiple cross-sectional shapes for extrusion. These shapes are interpolated based on local field attributes or global user parameters, enabling a single line to use different glyph forms along its path—thus facilitating the visualization of multiple coexisting phenomena.
Additionally, the method approximates the appearance of 3D LIC by simulating volume integrals within the glyphs. Combined with fast, order-independent transparency, our implementation delivers real-time performance at high resolutions with moderate memory usage.
Moment-based Opacity Optimization [ZRPD20]
Geometric occlusion is a common challenge in flow visualization, as dense yet uninformative geometry can obscure critical structures. Opacity optimization addresses this by reducing occlusion while enhancing the visibility of relevant features.
We propose a novel opacity optimization approach based on moment-based signal reconstruction. Unlike truncated Fourier series, moment-based reconstructions of feature importance and optical depth along view rays yield highly accurate results in sparse regions while remaining plausible in denser areas. These methods also avoid ringing artifacts and support compact storage and fast per-pixel evaluation—crucial for optimizing large and complex geometry.
Furthermore, we introduce a screen space filtering technique that operates directly on moment buffers to smooth optimized opacities. This method achieves visual quality comparable to object space smoothing while being independent of geometry type, making it broadly applicable and efficient for real-time use.
Out-of-Core Large Particle Visualization
We present a visualization method for large particle datasets using LoD structures and GPU-based OOC paging. A GPU-friendly indexing tree is constructed to efficiently manage large-scale particle data, supporting LoD construction and interactive rendering.
By leveraging this indexing structure and LoD representations, our method enables interactive visualization through parallel tree traversal and GPU rasterization. The system achieves interactive frame rates while rendering millions of particles, thanks to its highly efficient GPU-centric pipeline. We demonstrate the effectiveness of our approach using the Illustris dataset—a large-scale cosmological simulation of galaxy formation and the evolution of the universe—highlighting its potential for enabling responsive visual exploration of complex scientific data.
1