Deep Learning for Volume Visualization

Weiß, Sebastian Klaus

Sebastian Klaus Weiß

If you experience problems opening the document, please try this link.

Original title:: Deep Learning for Volume Visualization
Translated title:: Deep Learning für Volumenvisualisierung
Author:: Weiß, Sebastian Klaus
Year:: 2022
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Advisor:: Westermann, Rüdiger (Prof. Dr.)
Referee:: Westermann, Rüdiger (Prof. Dr.); Ertl, Thomas (Prof. Dr. Dr. h.c. Dr. E.h.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik
Keywords:: volume visualization; deep learning; ray tracing: inverse rendering
TUM classification:: DAT 780; DAT 750
Abstract:: Volume visualization is used to inspect CT or MRI scans, or fluid mechanical simulations, for example. Although fast methods for visualization exist, interactive exploration is still challenging for large datasets. In this thesis, we explore methods to combine deep learning to accelerate the rendering. We discuss strategies to reduce the quadrature error in the volume rendering equation and present a fully differentiable rendering pipeline to optimize the camera, transfer function, and volume.
Translated abstract:: Volumenvisualisierung kommt bei der Analyse von CT oder MRI Scans, oder bei Fluidsimulationen zum Einsatz. Schnelle Methoden zum Rendern dieser Daten existieren, jedoch sind Echtzeitanwendungen herausfordernd. Wir zeigen, wie Neuronale Netze zum Beschleunigen des Renderings eingesetzt werden können. Weiter diskutieren wir Strategien zum Reduzieren des Quadraturfehlers beim Rendering und präsentieren einen komplett differenzierbaren Renderer zum Optimierung von z.B. der Kamera oder dem Volumen.
WWW:: https://mediatum.ub.tum.de/?id=1658792
Date of submission:: 20.05.2022
Oral examination:: 04.10.2022
File size:: 8942480 bytes
Pages:: 159
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221004-1658792-1-3
Last change:: 09.03.2023
BibTeX