SCC-5836 - Visualiza§£o Computacional prof. Fernando V ... paulovic/aulas/VIS/2013/apresentacao_fabio.pdf 

  • View
    222

  • Download
    0

Embed Size (px)

Text of SCC-5836 - Visualiza§£o Computacional prof. Fernando V ......

  • 1

    Estado da Arte em VisualizaoApresentao de Artigos do VAST-2013/2012 na disciplina de Visualizao

    SCC-5836 - Visualizao Computacionalprof. Fernando V. Paulovich

    Fbio Rodrigues Jorge

    So Carlos, 19 de novembro de 2013.

  • 2

    ndice Introduo

    Introduo ao evento VAST Justificativa da escolha dos Papers

    Papers da seo de Images & Video do VAST 2013 VAICo: Visual Analysis for Image Comparison Space-Time Visual Analytics of Eye-Tracking Data for Dynamic Stimuli Interactive Exploration of Surveillance Video through Action Shot Summarization and Trajectory Visualization Comentario rpido sobre esses artigos:

    Transformation of an Uncertain Video Search Pipeline to a Sketch-based Visual Analytics Loop Open-Box Spectral Clustering: Applications to Medical Image Analysis

    Paper da seo de Visual-Computational Analysis of Multivariate Data do Vast 2012 Just-in-Time Annotation of Clusters, Outliers, and Trends in Point-based Data Visualizations

    Concluso

  • 3

    Introduo

  • 4

    Introduo

    IEEE Vis - Vast2013O Vis (VisWeek) ocorreu na cidade de Atlanta, Georgia, do

    dia 13 ao 18 de outubro de 2013.O evento dividido em 3:

    - Vast (Visual Analytics Science and Technology)- InfoVis (Information Visualization)- SciVis (Visualization / Scientific Visualization )

    * A professora Rosane Minghim foi chair da sesso Images & Video do Vast2013.

    Justificativa da escolha dos papersA escolha desses trabalhos foi relacionado ao tema do meu

    projeto de Mestrado. Deteco de Anomalias e Aprendizado Ativo em Imagens e Vdeos. Justamente por trabalhar com imagens e vdeos, de meu interesse estudar as tcnicas de visualizao voltadas para esse tipo de dado.

  • 5

    Papers da seo de

    Images & Video do VAST 2013

  • 6

    VAICo: Visual Analysis for Image Comparison

    Dear Fbio,

    I am about to publish a release candidate of VAICo on our website; as soon as it is finished, I will inform you via email and send you the URL.

    Best regards,Johanna

    -- Dipl.-Ing. Johanna Schmidt, University AssistantInstitute of Computer Graphics and AlgorithmsVienna University of Technology, Austria

  • 7

    VAICo: Visual Analysis for Image Comparison

    Conceito

    Foi proposto uma nova abordagem de visualizao para comparar imagens, e que preserva informao de contexto enquanto permite uma anlise das diferenas entre as imagens.

    (Schmidt et al, 2013)

  • 8

    VAICo: Visual Analysis for Image Comparison

    Implementao

    O dataset formado por muitas imagens semelhantes que diferem pouco entre si.

    As imagens analisadas so divididas em duas partes:- Contextual Information- RoDs (Regions of Differences)

    Foi utilizado o MSE (Mean Squared Error) para comparar as imagens. Tambm foi utilizado um Threshold para regular o grau de sensibilidade das diferenas entre as imagens.

    (Schmidt et al, 2013)

  • 9

    VAICo: Visual Analysis for Image Comparison

    Figura 1: Comparao entre imagens (a). Pontos em destaque (b). Regies em destaque (c)

    Figura 2: Alterao da sensibilidade por meio do Threshold.

    (Schmidt et al, 2013)

  • 10

    VAICo: Visual Analysis for Image Comparison

    1 etapa: Criao dos RoDs

    - realizado um comparao pixel por pixel entre as imagens e identificado os pixels que se diferenciam (mais que o Treshold utilizado)

    - Atravs de um algoritmo de crescimento de regio, procura os 8-conectados pixels que se diferenciam e comea a formar uma nova regio. No Final, computado um RoD na posio em que existe vrias sobreposies de regies.

    Obs: Cada RoD gerado possui pelo menos uma imagem geradora. (As vezes a situao de existir apenas uma imagem geradora, indica que essa imagem um outlier) .

    (Schmidt et al, 2013)

  • 11

    VAICo: Visual Analysis for Image Comparison

    2 etapa: Criao da Hierarquia de grupos de RoDs.

    - Foi aplicado agrupamento. Isso permite a classificao das mudanas.

    - complete-linkage agglomerative hierarchical clustering

    - Em cada iterao os clusters so combinados de acordo com uma distncia de similaridade.

    -O agrupamento s termina quando os RoDs daquela determinada regio so todos agrupados em um nico grande cluster.

    -No final ento temos uma arvore.

    (Schmidt et al, 2013)

  • 12

    VAICo: Visual Analysis for Image Comparison

    Figura 3: Arvore de cluster. Cada n representa um Cluster. Nivel 0 representa todas as imagens do dataset. Os nveis superiores representam as imagens agrupadas por

    similaridade. No ultimo nvel, h=3, possu apenas um cluster contendo todas as imagens.

    (Schmidt et al, 2013)

  • 13

    VAICo: Visual Analysis for Image Comparison

    Figura 4: Interface da aplicao. Na imagem (d) a opo de regular o nvel do clusters.

    - Quanto mais escuro um cluster bullet, maior a quantidade de imagens ele possui.

    (Schmidt et al, 2013)

  • 14

    VAICo: Visual Analysis for Image Comparison

    Limitao

    - Se tiver muitos clusters ter problema na hora de apresentar ao redor de um widget.

    - O MSE no se comporta muito bem para mudanas globais na imagem, como aumento do brilho. Usar MSE normalizado uma sada.

    - No trabalha bem com um dataset com muitas diferenas entre as imagens. Imagens de movimento por exemplo.

    (Schmidt et al, 2013)

  • 15

    VAICo: Visual Analysis for Image Comparison

    Figura 5: Exemplo da abordagem sendo executada no dataset Puzzle.

    (Schmidt et al, 2013)

  • 16

    VAICo: Visual Analysis for Image Comparison

    Figura 6: Exemplo dos widgets com os clusters expandidos.

    (Schmidt et al, 2013)

  • 17

    Vdeo

  • 18

    Space-Time Visual Analytics of Eye-Tracking Data for Dynamic Stimuli

    Conceito

    apresentado um mtodo de anlise de dados gravados do movimento dos olhos, em situaes de estmulos dinmicos como vdeos.

    (Kurzhals et al, 2013)

  • 19

    Space-Time Visual Analytics of Eye-Tracking Data for Dynamic Stimuli

    Figura 7: Visualizao por meio de um cubo espao-temporal de dados de rastreamento de olhos para estmulos em vdeos, enriquecido pelo agrupamento de regies que atraem o olhar.

    (Kurzhals et al, 2013)

  • 20

    Space-Time Visual Analytics of Eye-Tracking Data for Dynamic Stimuli

    Implementao

    - Visualizao espao-temporatal em forma de cubo (Space-Time Cube, STC).

    - Algoritmos de visualizao e de agrupamento de dados de eye-gaze de muitos espectadores.

    - Uma visualizao que resumi todo o dataset (STC).

    - A cor dos pontos de dados representa o quo prximos os pontos esto do centro de massa do frame

    Para solucionar os problemas de ocluso e percepo de profundidade, a ferramenta permite a projeo adicional de paredes.

    (Kurzhals et al, 2013)

  • 21

    Space-Time Visual Analytics of Eye-Tracking Data for Dynamic Stimuli

    Implementao

    So usadas mltiplas vises coordenadas para mostrar os diferentes aspectos espao-temporais dos dados.(Figura 8)

    Anlise de grupos

    Os grupos representam reas de attentional synchrony. So reas de interesse onde vrios observadores esto olhando durante um certo perodo de tempo.

    (Kurzhals et al, 2013)

  • 22

    Space-Time Visual Analytics of Eye-Tracking Data for Dynamic Stimuli

    Figura 8:Interface da ferramenta.

    (Kurzhals et al, 2013)

  • 23

    Space-Time Visual Analytics of Eye-Tracking Data for Dynamic Stimuli

    Figura 8:Interface da ferramenta.

    (Kurzhals et al, 2013)

  • 24

    Space-Time Visual Analytics of Eye-Tracking Data for Dynamic Stimuli

    Figura 9: Mltiplas reas de interesse

    (Kurzhals et al, 2013)

  • 25

    Vdeo

  • 26

    Interactive Exploration of Surveillance Video through Action Shot Summarization and Trajectory Visualization

    Conceito

    Os autores apresentaram um sistema para anlise visual de vdeos (de segurana). Esse sistema se chama sViSIT.

    Foi proposto tambm uma avaliao, com profissionais que trabalham com a anlise de vdeos de segurana.

    (Meghdadi et al, 2013)

  • 27

    Interactive Exploration of Surveillance Video through Action Shot Summarization and Trajectory Visualization

    Implementao

    A ferramenta proposta, tem o objetivo de resumir, em apenas uma visualizao, a trajetria de objetos individuais em movimento, sem perder o contedo (e o contexto).

    (Meghdadi et al, 2013)

  • 28

    Interactive Exploration of Surveillance Video through Action Shot Summarization and Trajectory Visualization

    Figura 10: O cubo permite a visualizao espao-temporal da trajetria de movimento

    (Meghdadi et al, 2013)

  • 29

    Interactive Exploration of Surveillance Video through Action Shot Summarization and Trajectory Visualization

    Implementao

    - O algoritmo de movimento e deteco, detecta o objetos em movimento e extraem a trajetria de movimento.

    - Existe uma etapa que define o background, e atualiza ele a cada 5 segundos.

    - Os objetos so rastreados, identificando o objeto que se movimenta (segmento) em cada frame com o que mais se assemelha no prximo frame. Nessa etapa foi usada a distncia generalized Mahalanobis como medida de similaridade.

    (Meghdadi et al, 2013)

  • 30

    Interactive Exploration of Surveillance Video through Action Shot Summarization and Trajectory Visualization

    Figura 11: Etapas para a deteco do primeiro plano (foreground) e separao dos objetos a serem rastreados

    (Meghdadi et al, 2013)

  • 31

    Intera