时间：2022年11月24日(本周四) 09: 30
地点：望江校区基础教学楼B座318实验室
成员：王国强、李山龙
Part1
分享者：王国强
分享内容：
[1]Andrienko G, Andrienko N, Fuchs G, et al. Clustering trajectories by relevant parts for air traffic analysis[J]. IEEE transactions on visualization and computer graphics, 2017, 24(1): 34-44.
[2]Chen C, Li C, Qi Y, et al. VEFP: visual evaluation of flight procedure in airport terminal[J]. The Visual Computer, 2021, 37(8): 2139-2155.
论文简介：
[1]基于相似度对目标轨迹进行聚类是运动数据分析中的一项重要技术。现有的距离函数根据轨迹点或轨迹段的属性来评估轨迹之间的相似性，属性可以包括空间、时间和主题信息等。在分析任务中可能需要集中分析轨迹的某些部分，即具有特定性质的点和段。 根据分析重点，分析人员需要通过相关轨迹的相似性来对轨迹进行聚类。在整个分析过程中，由于分析重点可能会改变，轨迹的不同部分可能会与分析任务相关。针对上述特点，本文提出了一种分析工作流程，可使用交互式过滤工具在轨迹元素上进行相关性标记，以使用能够忽略无关元素的距离函数进行聚类，并对所得聚类进行总结评估以供进一步分析。 本文利用空中交通领域的真实数据，在三个案例研究中演示了该工作流如何应用于不同的分析任务。
[2]对终端区空域进行优化可以提升机场容量。现有的航线网络可视化方法难以满足终端区飞行程序评估的需要。因此，本文引入了分析工具VEFP，它针对未标记的飞行轨迹数据提供了多种可视化方法。该工具可以帮助领域专家从多个角度对终端区飞行程序进行评估。首先，作者提供了一个基于时间序列的统计信息视图来帮助确定单位时间内飞行程序的使用状态。其次，基于数据中的位置信息，评估了管制员对飞行程序空间的利用。最后结合数据处理后的可视化方法，降低视觉复杂度，显示必要细节，使得用户可以直观地观察实际的飞行程序。本文通过案例和实验对实际使用的飞行程序进行了评估，并与用户讨论了系统提供的观测结果，证实了该系统可以帮助领域专家有效地评估飞行程序。
part2
分享者：李山龙
分享内容：
[1] Huang K K, Tao S J, Liu Y S, et al. Label propagation dictionary learning based process monitoring method for industrial process with between-mode similarity. Sci China Inf Sci, 2022, 65(1): 110203, https://doi. org/10.1007/s11432-021-3341-y
[2] Ma S J, Shen Q, Hou Q M, et al. Neural compositing for real-time augmented reality rendering in lowfrequency lighting environments. Sci China Inf Sci, 2021, 64(2): 122101, https://doi.org/10.1007/s11432-020-3024-
论文简介：
[1]随着工业网络物理系统的发展，从工业生产过程中收集了少量标记数据和大量未标记数据，同时由于内部操作条件和外部环境的变化，数据样本之间存在模式间的相似性。标记数据的稀缺性和相似性的存在使得提取数据特征变得困难，并且，给流程监控带来了新的挑战。为了解决这些问题，文章提出了一种标签传播字典学习方法。文章首先建立原子与相应轮廓之间的联系，并通过图拉普拉斯正则化实现其标签的传播。然后，考虑到同一类中样本的相似性，在稀疏编码中加入低秩约束，以增强标签的相互传播。最后，设计了一种同时获得字典和分类器的优化方法。当新的数据样本到达时，应用基于学习的字典和分类器进行过程监控和条件预测。实验表明，与几种最先进的方法相比，所提出的方法可以获得令人满意的监测性能，表明了所提出方法的优越性。
[2]这篇文章提出了一种基于深度学习的增强现实渲染方法，它使用卷积神经网络将虚拟对象的渲染层与真实照片图合成，以模拟阴影和反射效果。该方法应用神经网络从照片中估计光照和粗糙度信息，通过估计的光照将具有虚拟地板的虚拟对象渲染颜色、阴影和反射层，最后使用神经网络细化反射层和阴影层，并将其与颜色层和输入图像混合以产生输出图像。我们假设低频照明环境，并采用PRT（预计算辐射传输）进行层渲染，这使得整个管道可区分，并实现了合成场景的快速端到端网络训练。通过上述方法，在具有空间变化材质的真实场景中，并以实时帧速率在具有未知几何体和材质的背景对象上投射阴影，可以产生逼真的效果。
