虚拟环境中可视化的成本效益分析
本研究提出修改现有的成本效益测量方法,通过引入有界测量方法(如 Jenson-Shannon 散度和新的散度测量方法)进行多准则比较,并通过视觉分析和两个案例的研究应用最优方法估算可视化收益。
Feb, 2020
我们的研究探索多模式基础模型在可视化中的应用,利用多模式大语言模型 (LMM) 的视觉感知能力来开发自主可视化代理人 (AVAs),它们可以通过自然语言解释和实现用户定义的可视化目标。我们提出了 AVAs 设计的第一个框架,并展示了几种使用场景,以展示该提议范例的普适性。这些 AVAs 作为虚拟可视化助手可以协助领域专家完成可视化输出的参数选择,即使他们缺乏调整可视化输出的知识或专业技能。我们的初步探索和概念验证代理人表明,这种方法在需要解释以往可视化输出以选择适当的可视化参数时可广泛应用。我们与人工智能研究、医学可视化和放射学等领域的专家进行了非结构化访谈,并结合了他们的反馈,突出了 AVAs 的实用性和潜力。我们的研究表明,AVAs 代表了一种设计智能化可视化系统的通用范式,可实现高级可视化目标,为未来发展专家级可视化代理人铺平了道路。
Dec, 2023
研究表明,通过将分析过程转移到沉浸式虚拟现实 (VR) 环境中,可以帮助研究人员理解由人工智能生成的解决方案,进而发现新的解释和理解实验性量子光学,并且能够加快后续的发现迭代。
Feb, 2024
使用 Virtual Reality 技术来提供交互式学习体验可以帮助学生更有效地学习知识,并增加他们的视角、热情和知识,因此大力扩展 VR 在学习中的应用非常重要。
Mar, 2022
虚拟现实(VR)和增强现实(AR)工具已应用于所有工程领域,以避免使用物理原型,高风险情况下的培训以及对真实或模拟结果的解释。这篇论文提供了关于沉浸环境中协作研究的现状概述,讨论了不同类型的沉浸环境以及可能发生在这些环境中的协作形式。论文还强调了沉浸环境中协作的挑战和局限性,如缺乏物理线索、成本和可用性以及需要进一步的研究。总体而言,沉浸环境中的协作是一个具有广泛应用潜力的有前景的领域,从教育到工业都能增强个体和团体的有效协作能力。
Nov, 2023
该论文通过引入系统分类法,对 AI 增强的虚拟现实应用于医疗保健领域进行了全面调查,将相关技术和应用细分为三个类别,即可视化增强、与 VR 相关的医学数据处理和 VR 辅助干预,为对这些技术进行更全面的理解和评估提供了一个框架。据我们所知,这是首次对医疗环境中的 AI 增强虚拟现实系统进行系统调查,为未来研究奠定了基础。
Feb, 2024
该研究介绍了德国 AVEAS 研究项目的中间结果,该项目旨在开发用于高级驾驶辅助系统和自动驾驶的虚拟验证和验证的真实世界数据的方法和度量,并建立遵循 FAIR 原则的在线数据库。
May, 2024