ОСНОВНЫЕ ПРИНЦИПЫ ПОСТРОЕНИЯ ВИЗУАЛЬНЫХ
МОДЕЛЕЙ ДАННЫХ
НА ПРИМЕРЕ ИНТЕРАКТИВНЫХ СИСТЕМ ТРЕХМЕРНОЙ ВИЗУАЛИЗАЦИИ
А. Захарова, А. Шкляр
Институт кибернетики Национального исследовательского Томского политехнического университета, Томск, Россия
zaa@tpu.ru, shklyarav@mail.ru
Оглавление
Условия эффективности визуальных моделей данных
Объединенное представление данных на этапе визуализации
Трехмерная модель динамических данных
Создание интерактивных визуальных моделей
Аннотация
Работа посвящена исследованию вопросов, возникающих при использовании методов визуализации для решения задач, связанных с анализом сложной и разнородной информации. Рассмотрены условия, выполнение которых является необходимым условием для построения эффективной визуальной модели данных. Проведен анализ этих условий с точки зрения значимости для восприятия зрительной информации и построения метафоры визуального представления. Показана эффективность применения визуальных моделей данных для объединенного анализа данных на этапе представления. Рассмотрена задача визуализации геопространственных данных, имеющих различные типы и свойства. Приведены результаты решения этой задачи и особенности использованых технологических методов. Предложен способ представления результатов визуализации, обозначены перспективные преимущества этого способа для создания интерактивных визуальных моделей.
Ключевые слова: визуализация данных, метафора визуализации, анализ данных, когнитивные системы, представление информации.
Применение существующих технологий визуализации, в том числе трехмерной и динамической, стало удобным и активно используемым инструментом, создающим широкие возможности для представления и изучения данных, находящихся в распоряжении исследователя. Наиболее очевидными преимуществами визуализации информации являются высокая скорость интерпретации и, соответственно, возможность быстрого принятия необходимых решений, а также создание инструментов для эффективного и естественного для человека визуального анализа данных любой степени сложности. Результативность визуальных методов решения обеспечивается осмысленным использованием принципов восприятия визуальной информации, а также реализацией современных технических решений в рамках создаваемых визуальных моделей.
Условия эффективности визуальных моделей данных
Эффективность применения визуальных моделей, в большинстве случаев, является следствием соблюдения вполне определенных принципов, регулирующих процедуры их построения и применения:
1.Минимизация затрат времени, необходимого для анализа данных.
2.Активное использование новейших средств визуализаци.
3.Выбор или создание алгоритмов обработки информации, использующих специфику конкретных данных как свойство их визуального образа.
4.Использование совокупности формальных признаков рассматриваемой задачи для создания адекватно интерпретируемой визуальной модели.
5.Применение метафор визуализации, способствующих активному процессу восприятия.
6.Превращение особенностей индивидуального восприятия в инструменты продуктивного визуального анализа.
7.Развитие визуальных моделей в направлении формирования выразительных средств, аналогичным языковым.
8.Постоянно существующая неограниченная возможность дополнения информационной основы модели новыми источниками данных.
9.Реализация принципа параллельного взаимодействия множества пользователей и визуальной модели.
10.Существование инструментов настройки свойств образов информации на уровне визуальной модели.
С точки зрения взаимодействия модели данных с внешним окружением, эти принципы могут быть условно распеределены на две группы. Требования, определяющие функционирование визуальной модели, процесс ее построения, внутреннюю структуру, возможно, наличие включенных процессов и подсистем, - эти требования являются элементами группы управляющих принципов. Правила, соблюдение которых обеспечивает эффективное взаимодействие визуальной модели с наблюдателем, управляет когнитивными и интерпретационными процессами, - такие требования образуют группу эффективных принципов (рис.1).
Одним из основных принципов, обеспечивающих результативность визуального представления данных и, в том числе, его современных реализаций, интенсивно использующих передовые технические решения, является минимизация затрат времени на анализ аттрибутивных значений данных. Замена символьного представления параметров и их взаимоотношений на визуальные образы является одним из признанных решений этой задачи. В этом случае должны использоваться механизмы быстрого зрительного восприятия информации, присущие человеку, но не участвующие в тех ситуациях, когда данные анализируются лишь как набор значений [1]. Важно отметить, что реализация указанного требования не является прямым следствием замены совокупности данных на визуальный образ и требует выбора или создания алгоритма визуализации, оптимального для конкретной задачи.
Рис. 1. Основные принципы, обеспечивающие эффективность использования визуальных моделей данных
На современном уровне применения методов визуализации ощутимым становится противоречие между ее используемыми вариантами и потенциально существующими возможностями. Круг исследований, которые активно привлекают визуализацию в качестве средства взаимодействия с данными произвольного типа, постоянно расширяется. В свою очередь, это закономерно приводит к значительному увеличению объемов данных, усложнению их структуры, использованию в анализе данных новых типов в качестве вспомогательных или, даже, основных, источников информации. Программные средства для создания визуальных образов также стремительно развиваются и предлагают все более сложные инструменты. Возникает ситуация, характеризующаяся, с одной стороны, несоответствием между формальными принципами применения визуальных моделей и степенью сложности задач, а с другой, - недостаточным уровнем использования передовых технологий визуализации в рамках традиционных представлений о применимости визуальных моделей. Преодоление этого противоречия становится еще одним принципиальным моментом, определяющим эффективность применения визуализации.
Растущее разнообразие программных средств, предназначенных для манипулирования данными и их последующей визуализации, способно сформировать в качестве самостоятельной проблемы выбор оптимального в рамках конкретной задачи алгоритма визуализации. Одним из важнейших преимуществ применения визуальных моделей для анализа больших объемов данных является отсутствие необходимости особой подготовленности исследователя в вопросах обработки информации. Следствием этого обстоятельства являются требования к инструментам построения визуальных моделей данных, обеспечивающие предоставление пользователю возможности максимально разностороннего и разнопланового изучения данных без излишнего усложнения приемов взаимодействия с ними. Иными словами, пользователь должен обнаруживать суть решения поставленной задачи, создавая или обращаясь лишь к визуальному образу исходных данных, при этом выбор инструментов визуализации не должен становиться самостоятельной трудоемкой задачей [2].
Формализация процедуры сопоставления типов исследуемых данных и соответствующих им визуальных моделей также является принципом, определяющим эффективность визуализации. С другой стороны, процесс интерпретации информации, заключенной в визуальном образе, обнаружение неизвестных ранее закономерностей и связей, их осмысление и оценка в значительной мере определяются особенностями индивидуального восприятия визуальной информации [3]. Это обстоятельство, в свою очередь, накладывает на системы визуализации требование возможности внесения изменений и адаптацию созданной визуальной модели к особенностям восприятия конкретного пользователя. При этом, диапазон изменений для параметров визуальной модели должен соответствовать, как минимум, двум ограничениям: во-первых, произвольная индивидуальная настройка не должна создавать ложную информацию, возникающую лишь как следствие взаимодействия «нового» визуального образа и опыта пользователя. А во-вторых, визуализация не должна порождать неконтролируемую или случайную потерю исходной информации, что, разумеется, также может привести к неправильно сделанным выводам [4].
Особую и значимую роль в визуализации информации играет принцип метафоричности. Распространенной и часто ошибочной является ситуация, в которой стремление защитить исходные значения от возможных искажений или потерь приводит к использованию средств обработки данных, решающих лишь задачи устранения зашумленности или неоднозначности, не меняющих принципиально существующих визуальных характеристик или не создающих нетипичных образов. Однако, все чаще происходит применение методов визуализации к задачам, предметом которых являются объекты или процессы, незнакомые или недостаточно известные потенциальному наблюдателю, а возможно, и не имеющие закрепившегося традиционного визуального образа. Разработка визуальной метафоры в этих случаях требует предварительного рассмотрения вопросов, определяющих однозначность, скорость и качество ее интерпретации [5].
Влияние наблюдателя на процессы визуализации не ограничено пассивным определением оптимальных значений параметров, управляющих моделью. Принципиальная возможность учета индивидуальных особенностей человеческого восприятия является важным и обязательным обстоятельством, осложняющим процессы создания визуальных моделей. В данном случае, имеется ввиду то обстоятельство, что формализованная и автоматизированная процедура построения визуального образа, способна создавать так называемые «оптические иллюзии», нередко затрудняющие восприятие информации наблюдателем и способные искажать оценку информационной основы визуализации. Простым и очевидным примером таких затруднений является невозможность адекватной интерпретации размеров объектов, составляющих некоторые визуальные образы, их формы и положения в трехмерном пространстве при изучении модели с неудачно выбранной точки наблюдения или при необычном для зрителя освещении. Достаточно эффективным приемом, позволяющим выйти из этого затруднительного положения и, вероятно, даже улучшить качество визуальной модели данных, можно считать создание изменяющегося в ограниченном диапазоне значений параметров представления. Например, цикличное изменение точки наблюдения за трехмерной сценой, содержащей даже значительное количество незнакомых геометрических форм, предоставляет наблюдателю механизм интуитивной оценки их пространственных характеристик, опирающийся на существующий у него «жизненный опыт» [6].
В терминологии более общего подхода [1] можно рассматривать визуальную модель произвольного набора данных как два взаимодополняющих образа. Один из них позволяет задействовать механизмы быстрого восприятия информации на «чувственном» уровне, максимально эффективно реализуя скоростные преимущества визуализации. Другая модель, использующая символьное кодирование информации, предоставляет наблюдателю начальную точку для создания собственной «ментальной» модели данных, а также инструменты для ее развития и анализа. Можно объяснить этот подход и с другой стороны. Существуют визуальные модели данных, в явной форме использующие предположение, что задействованная визуальная кодировка исходной информации знакома наблюдателю, имеет вполне определенное толкование и не требует дополнительного времени для интерпретации. Задачи, для которых применение визуальных моделей такого типа может быть эффективным, скорее всего используют данные для сообщения о наступлении какого-либо события или ожидаемого состояния изучаемой системы. Для визуальных моделей иного типа характерно использование визуальных метафор, позволяющих наблюдателю понять суть незнакомых данных, обнаружить ее характерные свойства и особенности, т.е. визуальный образ становится самостоятельным средством передачи информации.
Принципы модульности и дополняемости набора визуализируемых данных для широкого круга прикладных задач делают визуальные модели полезным инструментом, позволяющим производить эффективную оценку качества самих данных, обнаруживая, например, их недостаточность. В ряде задач [2] лишь при исследовании визуального образа становилось очевидным существование неизвестных или неожиданных закономерностей в изучаемом явлении. Так, даже без применения средств предварительной обработки исходной информации, визуализация часто позволяет обнаружить согласованное поведение разнородных и разномасштабных экспериментальных данных, определить как несущественные, так и наиболее значимые параметры.
Серьезным преимуществом визуальных моделей является реализуемость принципа параллельного участия. Так, визуализация произвольных данных, необходимых, например, для определения приоритетных или стратегических направлений каких-либо производственных задач, достаточно легко может быть организована возможность одновременной эффективной работы многих специалистов, в отличие от тех ситуаций, когда их подключение к решению поставленной задачи происходит лишь в виде индивидуальной работы или как последовательный многоэтапный процесс. В этом случае, однако, остро встает вопрос об интерпретируемости произвольного визуального образа и однозначности визуальных метафор или их управляемом восприятии.
Следует отметить, что к причинам, способным вызвать неправильное понимание информации, послужившей основой для получения визуального образа, могут относиться как обстоятельства «историко-культурного» характера, очень часто приводящие к ситуациям, когда один и тот же символ для различных групп людей имеет или совершенно отличное или, прямопротивоположное значение, так и ошибки, возникающие из-за недостаточного учета особенностей индивидуального восприятия. Показательным примером является, например, использование красного цвета в визуальных интерфейсах. Для одних групп людей этот цвет ожидаемо может служить визуальным отображением критического или опасного состояния системы и потому широко используется для привлечения внимания наблюдателя к необходимости предпринять какие-то экстренные действия. Однако, тот же самый цвет для других людей, в силу разнообразных причин, способен служить символом благополучия, достатка и красоты, а, следовательно, не может инициировать ощущение опасности и адекватную реакцию на изменившуюся ситуацию.
Независимость данных частной задачи и метафоры их представления является еще одним принципиальным преимуществом визуализации. Более того, появление новых технических решений для построения визуальных образов может быть легко использовано в решениях конкретных задач уже на этапе, собственно, визуализации, позволяя сравнивать, находить и выбирать решения. Историческими примерами подобных переходов можно считать появление цветового кодирования или активное использование трехмерного представления данных вместо одно- и двумерного. Быстрое развитие технологий, позволяющих, в частности, создавать для реальных пространственных данных высокодетальные трехмерные модели, свободно дополняя их произвольным количеством косвенных или производных значений переменных, участвующих в модели, - все это способно приводить к появлению визуальных моделей, в значительной мере реализующих преимущества визуализации [7].
Высокая степень реалистичности визуальных образов, даже в тех случаях, когда исследуются реальные пространственные объекты и явления, не обязательно приводит к лучшему, с точки зрения эффективного достижения поставленной цели, результату. Причиной этого могут стать как вынужденное присутствиие значительного числа дополнительных информативных компонентов, необходимых для создания у наблюдателя ощущения реалистичности образа, но при этом автоматически включающихся в интерпретируемый объем информации, так и возможность появления ложных образов и иллюзий, связанных, в основном, с персональными особенностями восприятия.
Зашумленность визуальной модели, вызванная собственными свойствами визуализируемой информации, в большинстве случаев может быть устранена с помощью различных способов фильтрации и предварительной обработки, но на уровне визуальной модели достаточно удобными приемами являются разбиение данных на независимые информационные слои, группы визуализации, выбор оптимальных метафор визуализации для каждой из групп, позволяющий минимизировать конфликтность восприятия. Если целью визуализации является анализ данных, обнаружение неизвестных ранее особенностей, поиск неявных информационных шаблонов, прогнозирование развития или поведения модели, любые другие действия, выполнение которых в аналитическом виде может быть оценено как затрудненное или ресурсоемкое, то черезвычайно важной особенностью моделей данных становится возможность привлечения особенностей человеческого восприятия и, в частности, зрительного. Способность человека к визуальному обнаружению скрытых связей и закономерностей в сложных и больших объемах данных, является значительным, но недостаточно изученным исследовательским ресурсом [1].
Объединенное представление данных на этапе визуализации
Задачу построения визуальной модели для произвольных геопространственных данных можно считать показательной и характерной для проверки справедливости приведенных выше соображений и подбора приемов визуализации информации в случаях, когда традиционные и распространенные решения не удовлетворяют рамочным условиям возникающих задач. Предварительный анализ позволяет выделить наиболее существенные трудности, возникающие при визуализации доступной для наблюдения информации.
По условиям задачи визуализации, необходимо создать визуальную модель разнотипных данных, обладающих заданными пространственными характеристиками. Кроме того, в качестве допустимой постановки задачи считалось возможными обладание данных динамическими характеристиками, т.е. модель должна включать визуальные подсистемы построения образов изменяющихся данных. Кроме того, необходимо обеспечить наблюдателю возможность пространственного манипулирования данными с целью достижения оптимального режима исследования, учитывающего индивидуальные запросы наблюдателя.
Наиболее серьезным препятствием при построении визуальной модели в подобных задачах можно считать недостаточность исходных данных. Это может быть следствием высокой неоднородности пространственной плотности источников данных, нерегулируемого обновления информации, совмещенного с ее возможной быстрой изменчивостью, а также, их недостаточная точность. Еще одной проблемой для получения необходимой визуальной модели можно считать участие в качестве входящей информации источников, имеющих сильно разнородные пространственные и временные характеристики: данные могут иметь как локальный, так и распределенный тип, могут являться усредненной по времени характеристикой или однократно измеренной величиной. Объединенное на уровне визуальной модели представление таких разнородных данных ставит дополнительную задачу выбора представления, адекватного уровню необходимого анализа отображаемого в модели состояния системы. В случае успешного решения подобной задачи, в распоряжении исследователя оказывается эффективный инстумент, объединяющий различные данные на этапе их представления.
Визуальные модели данных, способные в режиме «реального времени» отражать все происходящие изменения, способны решать еще одну задачу анализа – обнаружение взаимосвязи между событиями, выявление возможной корреляции между изменениями как отдельных данных, так и целых групп параметров. Указанная возможность является удобным средством для определения и понимания зависимостей между событиями или отдельными факторами в тех случаях, когда наличие подобной связи не является заранее установленным или предполагаемом в аналитическом виде свойством изучаемой системы. Вполне ожидаема и обратная ситуация, когда визуализация большого количества параметров, описывающих поведение рассматриваемой в задаче системы, позволяет сделать вывод об отсутствии или незначительной степени влияния одних параметров на другие.
Специальным, но достаточно распространенным случаем исследования неявных зависимостей между компонентами визуальной модели можно считать возможность одновременного наблюдения за динамикой изменения величин, имеющих существенно отличающиеся масштабы единиц измерения. Визуализация информации традиционно обладает широким набором приемов, позволяющим изучать такие зависимости. Однако, активное использование трехмерного представления данных, а также возможность создания динамических визуальных моделей, позволяет организовывать еще более разнообразные варианты представления информации, отличающиеся прежде всего существенно большим числом одновременно наблюдаемых величин.
Трехмерная модель динамических данных
Построение трехмерной модели, предназначнной для получения визуального образа исходных данных, должно происходить с использованием наиболее современных программных и технических средств. Выполнение этого условия позволяет создавать визуальные модели, включающие в себя образы больших объемов разнородной информации, реализовывать внутренние для модели алгоритмы обработки данных, создавать механизмы интерактивного взаимодействия с визуальной моделью. В качестве программной среды, способной справиться с подобной задачей, авторами был выбран пакет Autodesk 3ds Max 2014 [http://www.autodesk.com/]. Использование этого программного инструмента позволило эффективно решить задачи дополнительной обработки данных на уровне модели, а также получить визуальный образ, соответствующий выдвинутым требованиям [5].
В рассматриваемой задаче представления распределенных геопространственных данных (рис. 2) черезвычайно полезным приемом, позволяющим получать качественные выводы о происходящих в системе изменениях, является создание инструментов наблюдения за ее состоянием с изменяющимся масштабом или степенью детализации. В самом простом случае, этим инструментом становится управляемое изменение точки наблюдения за моделью, аналогичное приближению или удалению от нее в трехмерном пространстве. Значительно более эффективным средством, обеспечивающим наглядность представленных в визуальной модели данных, можно считать возможность цикличного анимированного наблюдения за одним или несколькими участками визуальной модели. Такой прием позволяет активно использовать свойство человеческого восприятия обнаруживать и интерпретировать даже незначительные изменения в состоянии системы, фиксирующиеся как различия между наблюдаемым положением и запомненным ранее.
С точки зрения построения визуальных моделей, использование естестенной способности восприятия фиксировать возникающие изменения позволяет избегать введения в визуальный образ искусственных составляющих, основным назначением которых является привлечение внимания наблюдателя к тем или иным процессам. Таким образом, динамически изменяющаяся точка наблюдения за визуальным образом позволяет упростить сам образ и облегчить или даже усилить его интерпретируемость. В некоторых ситуациях, когда предметом изучения является статичный объект, создание динамически меняющейся искусственной точки наблюдения, например, перемещающихся плоскостей сечения для трехмерных объектов, также способны решать задачу привлечения внимания наблюдателя к особенностям информации.
Рис. 2. Совместная трехмерная визуализация данных о рельефе и облачности.
Для рассматриваемой задачи трехмерной визуализации геоинформационных данных реализация этого приема исследований сведена к автоматизированному созданию виртуальной видеокамеры и системы вспомогательных объектов, управляемых набором параметров, минимально возможным для обеспечения необходимой степени управляемости и варьируемости свойств точки наблюдения. Основными параметрами являются координаты интересующей исследователя точки поверхности, на которой отображаются включенные в визуальную модель данные (рис. 3). Система наблюдения создается программным образом с использованием средств языка MaxScript [http://www.autodesk.com/] (рис. 4). Предусмотрены две возможных реализации. В первом случае, создается система наблюдения за участком поверхности, обладающая пользовательским интерфейсом, с помощь которого устанавливаются координты точки наблюдения, размер круговой траектории, по которой циклически перемещается вируальная камера, а также параметры размещения траектории относительно интересующей наблюдателя точки. В другом варианте, управляющие параметры считываются из внешнего файла и в этом случае могут содержать дополнительные характеристики, задающие, например, свойства виртуальной камеры либо опции, определяющие вид и формат получаемых на выходе визуальной модели данных. Разумеется, в зависимости от специфики конкретной задачи могут быть реализованы любые варианты, в том числе и гибридный. Важным преимуществом такого подхода к наблюдению за состоянием системы является возможность автоматизированного и быстрого получения неограниченного числа точек наблюдения, а также доступность произвольных ракурсов для одновременного наблюдения за состоянием системы и при этом управляемых лишь незначительным числом параметров.
Рис. 3. Система вспомогательных объектов для наблюдения за состоянием модели.
Рис. 4. Использовние MaxScript для автоматизированного построения визуальной модели.
Возможность программируемого считывания параметров из внешних источников позволяет реализовать еще одно важное преимущество использования визуальных моделей. Широкий круг задач, для решения которых в настоящее время используются средства компьютерной визуализации, а также стремительное создание и развитие новых технологий в этой области, требуют высокого уровня квалификации и опыта для их результативного использования. Программируемые интерфейсы взаимодействия с исходными данными, а также управления качеством создающихся визуальных моделей, делают возможным и удобным применение этих моделей для самых разнообразных данных, т.к. создают инструменты визуальной обработки и анализа информации в терминах и понятиях, использующихся специалистами той конкретной предметной области, к которой относится решаемая задача, не требуя от них наличия специфичных знаний или навыков владения незнакомыми им технологическими процессами, к которым можно отнести современные средства визуализации [8].
Создание интерактивных визуальных моделей
Существенным требованием, определяющим полезность визуальных моделей для решения конкретных задач, является, помимо автоматизацированного построения подобных моделей, наглядность полученных образов и удобство манипулирования их свойствами. Разнообразие графических форматов, существующих в настоящее время, а также программных продуктов, специализирующихся на визуализации математических моделей данных даже очень высокой сложности, позволяет предлагать конечному пользователю как высококачественные статичные изображения, так и анимированную графику, уровень сложности которой ограничивается, в основном, доступными вычислительными и временными ресурсами [9]. Однако, вместе с широким применением компьютерной графики в самых разнообразных областях исследований, а также распространением многочисленных вариантов трехмерных форматов, возникла потребность в появлении эффективных и не менее разнообразных инструментов интерактивного взаимодействия наблюдателя и визуальной модели [10].
Одним из новых форматов данных, обеспечивающим возможность детального исследования свойств трехмерной модели, не ограничивая наблюдателя рамками одного или нескольких двумерных изображений, является формат FBX компании Autodesk [http://www.autodesk.com/]. Даже несмотря на обнаруженные ограничения, не позволяющие свободно экспортировать некоторые виды объектов, входящих в создаваемые трехмерные модели данных, этот формат обладает целым рядом бесспорных достоинств. Наиболее ценным преимуществом, получаемом при экспорте визуальной модели в формат FBX, является возможность качественного обмена данными между многими приложениями, связанными с визуализацией. Помимо обмена со специализированным профессиональным программным обеспечением, существует возможность просмотра FBX-файлов при помощи QuickTime Viewer [http://www.autodesk.com/], а следовательно, и в обычном интернет-браузере. При этом пользователь получает возможность изучить геометрические свойства, включенных в модель объектов, наблюдать за динамическими процессами, переключаться между предварительно организованными точками наблюдения (камерами), а также, свободно преремещаться в рамках визуальной модели, выбирая необходимый полезный ракурс. Для решаемой задачи с геоинформационной визуализацией это свойство формата fbx приводит к организации возможности свободной навигации внутри трехмерной пространственной сцены, создавая наблюдателю условия для разностороннего и подробного изучения информационного содержания модели, отслеживания происходящих изменений, а также обеспечивает защиту от возникновения возможных оптических иллюзий.
Рис. 5. Управление экспортом fbx-файла.
Процесс получения готового fbx-файла (рис. 5), содержащего актуальную информацию о состоянии системы, также может быть автоматизирован многими способами. Учитывая все указанные возможности, можно говорить о получении решения в виде трехмерной интерактивной визуальной модели для сложных пространственных данных. При этом выбор информационных составляющих модели происходит до построения модели, что позволяет оптимизировать использование временного ресурса. Управляемость процесса создания визуального образа позволяет изменять метафору отображения для ситуаций, когда она перестает отвечать условиям поиска решений или, свойства входящей информации приводят к получению образа, корректная интерпретация которого затруднена. Кроме того, изучение визуальной модели при помощи просмотровой программы для fbx-файлов [http://www.autodesk.com/], предоставляет пользователю дополнительные средства для обнаружения и изучения особенностей информации. Доступ к этим инструментам, а также навигация в пространстве визуальной модели осуществляется при помощи соответствующих элементов интерфейса программы-просмотрщика (рис. 6).
Рис. 6. Пример навигации в трехмерной сцене формата fbx.
Схема представления разнородных данных, описанная в работе, была предложена и опробована при решении задачи визуализации комплексной геопространственной информации, содержащей данные о распределениях температур, влажности, направлениях и скорости ветра, а также локализоованной информации о черезвычайных ситуациях (рис. 7).
Рис. 7.. Представление комплексных данных, объединенных на этапе визуализации.
Таким образом, визуализация произвольных данных, в общем случае, может рассматриваться как решение двух взаимодополняющих задач. С одной стороны, необходимо определить оптимальный способ представления информации как визуального образа, исходя из наличия необходимых для этого технических средств и ресурсов. Однако, не менее важной задачей является предоставление наблюдателю когнитивных инструментов, позволяющих интерпретировать и анализировать представленную информацию.
Статья подготовлена в рамках выполнения проекта №1957 Гос.задания "Наука" Министерства образования и науки РФ.
1.Colin Ware. Information Visualization, Third Edition (3rd Edition) Perception for Design (Interactive Technologies). Published 2012 by Morgan Kaufmann. 536 Pages.
2.Захарова А.А., Шкляр А.В. Метафоры визуализации // Научная визуализация. – 2013. – №2. – С. 16-24. URL: http://sv-journal.com/2013-2/02.php?lang=ru
3.Distler, C., Boussaoud, D., Desmone, R., & Ungerleider, L. G. (1993). Cortical connections of inferior temporal area TEO in Macaque monkeys. Journal of Comparative Neurology, 334, 125–150.
4.Rensink, R. A. (2002). Change detection. Annual Review of Psychology, 53, 245–277.
5.Захарова А. А., Шкляр А. В. Построение многокомпонентных визуальных 3D-моделей с использованием разнородных источников информации, на примере создания геологических моделей // Известия Томского политехнического университета. - 2012 - Т. 320 - №. 5 - C. 73-79
6.Rheingans, P. (1999). Task-based color scale design: 3D visualization for data exploration and decision making. In: Proceedings of applied image and pattern recognition, 35–43. Bellingham, WA: SPIE Press.
7.Jock Mackinlay, Ben Shneiderman, Stuart K. Card. Readings in Information Visualization (1st Edition) Using Vision to Think (Interactive Technologies). Published 1999 by Morgan Kaufmann. 712 Pages.
8.Ware, C., & Mitchell, P. (2008). Visualizing graphs in three dimensions. ACM Transactions on Applied Perception, 5(1), 1–15.
9.Telea, A., & Ersoy, O. (2010). Image-based edge bundles: simplified visualization of large graphs. Computer Graphics Forum, 29(3), 843–852.
10.Shirley, P., & Marschner, P. (2009). Fundamentals of computer graphics (3rd ed.). Natick, MA: A.K. Peters.
BASIC PRINCIPLES OF DATA
VISUAL MODELS CONSTRUCTION, BY
THE EXAMPLE OF INTERACTIVE SYSTEMS FOR 3D VISUALIZATION
A. Zakharova, A. Shklyar
Institute of Cybernetics. National Research Tomsk Polytechnic University, Tomsk, Russian Federation
zaa@tpu.ru, shklyarav@mail.ru
Abstract
The paper considers the research issues of visualization methods application for solving problems of the complex and heterogeneous data analysis. The necessary conditions for construction of efficient visual data model were examined. The analysis of these conditions is realized due to importance of visual information perception and visual presentation metaphor building. The efficiency of data visual models application for combined data analysis at the presentation is shown in this paper. Authors examined the problem of different types and properties geospatial data visualization. There are results of this task solution and applied technological methods features. Authors propose the visualization results representation way and specify its perspective advantages for interactive visual model construction.
Key words: data visualization, visualization metaphor, data mining, cognitive systems, information representation.
References
1.Colin Ware. Information Visualization, Third Edition (3rd Edition) Perception for Design (Interactive Technologies). Published 2012 by Morgan Kaufmann. 536 Pages.
2.A. Zakharova, A. Shklyar. Visualization Metaphors. Scientific Visualization, vol. 5, no 2, 2013, pp. 16-24. Available at: http://sv-journal.com/2013-2/02.php?lang=en
3.Distler C., Boussaoud D., Desmone R., Ungerleider L. G. Cortical connections of inferior temporal area TEO in Macaque monkeys. Journal of Comparative Neurology, vol. 334, no 1, 1993, pp. 125–150.
4.Rensink, R. A. Change detection. Annual Review of Psychology, vol. 53, 2002, pp. 245–277.
5.Zakharova A.A. Shklyar A.V. Postroenie mnogokomponentnykh vizualnykh 3D-modeley s ispolzovaniem raznorodnykh istochnikov informatsii, na primere sozdaniya geologicheskikh modeley [Multicomponent visual 3D modeling with the use of diverse data sources by example of geological modeling]. Bulletin of Tomsk polytechnic university, vol. 320, no 5, 2012, pp. 73-79
6.Rheingans P. Task-based color scale design: 3D visualization for data exploration and decision making. In: Proceedings of applied image and pattern recognition, 1999, pp. 35–43. Bellingham, WA: SPIE Press.
7.Jock Mackinlay, Ben Shneiderman, Stuart K. Card. Readings in Information Visualization (1st Edition) Using Vision to Think (Interactive Technologies). Published 1999 by Morgan Kaufmann. 712 Pages.
8.Ware C., Mitchell P. Visualizing graphs in three dimensions. ACM Transactions on Applied Perception, vol. 5, no 1, 2008, pp.1–15.
9.Telea A., Ersoy O. Image-based edge bundles: simplified visualization of large graphs. Computer Graphics Forum, vol. 29, no 3, 2010, pp. 843–852.
10.Shirley P., Marschner P. Fundamentals of computer graphics (3rd ed.). Natick, MA: A.K. Peters, 2009.