Search

We presenteren onderzoek in de interactieve illustratieve beeldvorming met het doel de esthetische kwaliteit en de mogelijkheden voor ingrijpen door de gebruiker te verbeteren. We bespreken twee projecten die verschillende strategieën onderzoeken om deze doelen te bereiken. Het eerste project houdt zich bezig met de interactieve illustratieve visualisatie van volumetrische gegevens. We presenteren een visualisatiesysteem dat regel-gebaseerde visualisatie combineert met een grafische gebruikersinterface om gebruikers een flexibele, directe, en grafische manier te bieden het resultaat te beïnvloeden. Het tweede project houdt zich bezig met het interactief genereren van plaatjes die op arceringen met pen en inkt lijken. Deze methode maakt het mogelijk om 3D modellen te renderen in de stijl van klassieke illustraties met pen en inkt. We hebben als doel het synthetische uiterlijk van de resultaten van bestaande methoden te verbeteren door menselijke virtuositeit te integreren in de beeldsynthese. We presenteren een arceringstechniek die automatische voorbeeldgebaseerde controle over het resultaat combineert met interactieve controle door de gebruiker. Deze strategie staat ons toe de esthetische kwaliteit van de gegenereerde illustraties te verbeteren, door middel van een tweevoudige (automatische en interactieve) invloed van menselijke virtuositeit op het resultaat. We gebruiken beeldverwerking en machine learning om de arceringsstijl van handgetekende illustraties te leren. Wij dragen de geleerde arceringsstijl dan semi-automatisch over op nieuwe 3D objecten. Door deze semi-automatische aanpak brengt onze methode computergegenereerde arcering ook binnen het bereik van mensen zonder expertise in computergrafiek of illustratie.

Visualisatie richt zich op het aanvullen van de zintuigen en het voorstellingsvermogen van wetenschappers zodat ze hun gegevens beter kunnen begrijpen. Dit is een interactief en iteratief proces waar informatierepresentatie, interactieve verkenning en het nemen van beslissingen een grote rol spelen. Het doel is om door middel van dit iteratieve proces inzicht te verkrijgen in het probleem en de onderliggende gegevens totdat er voldoende begrip is. Bij deze visuele verkenning is een hoge mate van interactiviteit essentieel voor het op eem efficiënte manier behalen van dit doel omdat het de gebruiker dan de mogelijkheid geeft om nieuwe ideëen uit te proberen, terugkoppeling te verkrijgen en de verkenning op basis daarvan bij te sturen. In dit proefschrift rapporteren we over ons onderzoek naar de uitdagingen voor natuurlijke interactie en de verkenning van gegevens die gerepresenteerd worden in drie dimensies. In dit proefschrift hebben we de visualisatie van astronomische gegevens als centraal voorbeeld genomen van een toepassingsdomein waarin de nadruk ligt op op drie-dimensionale puntwolkgegevens van numerieke simulaties, zoals simulaties van galactische dynamica of hoog-dimensionale informatie uit deeltjessystemen. We introduceren twee intuïtieve en efficiënte interactie-technieken voor de verkenning van gegevens in drie dimensies. De eerste techniek helpt gebruikers te navigeren in drie dimensies en de tweede techniek geeft gebruikers de mogelijkheid om eenvoudig een subset van deeltjes te selecteren. Daarnaast integreren we deze twee technieken in een visueel-analytische computerapplicatie om zo wetenschappers te helpen nuttige informatie te extraheren en inzicht te verkrijgen.

We presenteren onderzoek in de interactieve illustratieve beeldvorming met het doel de esthetische kwaliteit en de mogelijkheden voor ingrijpen door de gebruiker te verbeteren. We bespreken twee projecten die verschillende strategieën onderzoeken om deze doelen te bereiken. Het eerste project houdt zich bezig met de interactieve illustratieve visualisatie van volumetrische gegevens. We presenteren een visualisatiesysteem dat regel-gebaseerde visualisatie combineert met een grafische gebruikersinterface om gebruikers een flexibele, directe, en grafische manier te bieden het resultaat te beïnvloeden. Het tweede project houdt zich bezig met het interactief genereren van plaatjes die op arceringen met pen en inkt lijken. Deze methode maakt het mogelijk om 3D modellen te renderen in de stijl van klassieke illustraties met pen en inkt. We hebben als doel het synthetische uiterlijk van de resultaten van bestaande methoden te verbeteren door menselijke virtuositeit te integreren in de beeldsynthese. We presenteren een arceringstechniek die automatische voorbeeldgebaseerde controle over het resultaat combineert met interactieve controle door de gebruiker. Deze strategie staat ons toe de esthetische kwaliteit van de gegenereerde illustraties te verbeteren, door middel van een tweevoudige (automatische en interactieve) invloed van menselijke virtuositeit op het resultaat. We gebruiken beeldverwerking en machine learning om de arceringsstijl van handgetekende illustraties te leren. Wij dragen de geleerde arceringsstijl dan semi-automatisch over op nieuwe 3D objecten. Door deze semi-automatische aanpak brengt onze methode computergegenereerde arcering ook binnen het bereik van mensen zonder expertise in computergrafiek of illustratie.

Visualisatie richt zich op het aanvullen van de zintuigen en het voorstellingsvermogen van wetenschappers zodat ze hun gegevens beter kunnen begrijpen. Dit is een interactief en iteratief proces waar informatierepresentatie, interactieve verkenning en het nemen van beslissingen een grote rol spelen. Het doel is om door middel van dit iteratieve proces inzicht te verkrijgen in het probleem en de onderliggende gegevens totdat er voldoende begrip is. Bij deze visuele verkenning is een hoge mate van interactiviteit essentieel voor het op eem efficiënte manier behalen van dit doel omdat het de gebruiker dan de mogelijkheid geeft om nieuwe ideëen uit te proberen, terugkoppeling te verkrijgen en de verkenning op basis daarvan bij te sturen. In dit proefschrift rapporteren we over ons onderzoek naar de uitdagingen voor natuurlijke interactie en de verkenning van gegevens die gerepresenteerd worden in drie dimensies. In dit proefschrift hebben we de visualisatie van astronomische gegevens als centraal voorbeeld genomen van een toepassingsdomein waarin de nadruk ligt op op drie-dimensionale puntwolkgegevens van numerieke simulaties, zoals simulaties van galactische dynamica of hoog-dimensionale informatie uit deeltjessystemen. We introduceren twee intuïtieve en efficiënte interactie-technieken voor de verkenning van gegevens in drie dimensies. De eerste techniek helpt gebruikers te navigeren in drie dimensies en de tweede techniek geeft gebruikers de mogelijkheid om eenvoudig een subset van deeltjes te selecteren. Daarnaast integreren we deze twee technieken in een visueel-analytische computerapplicatie om zo wetenschappers te helpen nuttige informatie te extraheren en inzicht te verkrijgen.

De laatste jaren zien we een exponentiële toename in de hoeveelheid data die de genetische inhoud (de genomen) en de expressie daarvan (de transcriptomen) van bacteriën beschrijven. Om uit deze berg aan data biologische kennis te verwerven is een enorme uitdaging. Dit proefschrift beschrijft hoe complexe datasets kunnen worden gereduceerd tot en gevisualiseerd als eenvoudige en gestructureerde modellen. Deze voor de mens goed te interpreteren modellen maken het vervolgens mogelijk om waardevolle informatie te extraheren. Het BAGEL-algoritme is ontwikkeld om in de grote hoeveelheid bacteriële DNA-sequenties die wereldwijd in databases aanwezig is, genen te kunnen opsporen die coderen voor eiwitten (bacteriocines) met een anti-microbiële werking. Dit unieke systeem is toegankelijk via een gebruikersvriendelijke webserver en mede daardoor heeft Bagel geleid tot de ontdekking van nieuwe actieve bacteriocines. Hierover is intussen door verschillende onderzoeksgroepen gepubliceerd. Uiteindelijk zouden deze bacteriocines kunnen helpen bij het terugdringen van het (excessieve) gebruik van antibiotica of bij de ontwikkeling van alternatieve anti-microbiële strategieën. Verder beschrijft dit proefschrift PePPER, een webserver die gebruikt kan worden om gen-regulatieprocessen te ontdekken. PePPER doet dit door gebruik te maken van bestaande databases en literatuurgegevens. Een aantal van de in dit proefschrift ontwikkelde technieken is ingezet om de groei in melk door de bacterie Lactococcus lactis te beschrijven in een computermodel. Dit model vormt een belangrijke bron voor de beschrijving van de processen die optreden tijdens de fermentatie van melk door deze melkzuurbacterie, in feite de eerste stappen in het kaasbereidingsproces dat door deze industrieel en economisch belangrijke bacterie wordt uitgevoerd.

De laatste jaren zien we een exponentiële toename in de hoeveelheid data die de genetische inhoud (de genomen) en de expressie daarvan (de transcriptomen) van bacteriën beschrijven. Om uit deze berg aan data biologische kennis te verwerven is een enorme uitdaging. Dit proefschrift beschrijft hoe complexe datasets kunnen worden gereduceerd tot en gevisualiseerd als eenvoudige en gestructureerde modellen. Deze voor de mens goed te interpreteren modellen maken het vervolgens mogelijk om waardevolle informatie te extraheren. Het BAGEL-algoritme is ontwikkeld om in de grote hoeveelheid bacteriële DNA-sequenties die wereldwijd in databases aanwezig is, genen te kunnen opsporen die coderen voor eiwitten (bacteriocines) met een anti-microbiële werking. Dit unieke systeem is toegankelijk via een gebruikersvriendelijke webserver en mede daardoor heeft Bagel geleid tot de ontdekking van nieuwe actieve bacteriocines. Hierover is intussen door verschillende onderzoeksgroepen gepubliceerd. Uiteindelijk zouden deze bacteriocines kunnen helpen bij het terugdringen van het (excessieve) gebruik van antibiotica of bij de ontwikkeling van alternatieve anti-microbiële strategieën. Verder beschrijft dit proefschrift PePPER, een webserver die gebruikt kan worden om gen-regulatieprocessen te ontdekken. PePPER doet dit door gebruik te maken van bestaande databases en literatuurgegevens. Een aantal van de in dit proefschrift ontwikkelde technieken is ingezet om de groei in melk door de bacterie Lactococcus lactis te beschrijven in een computermodel. Dit model vormt een belangrijke bron voor de beschrijving van de processen die optreden tijdens de fermentatie van melk door deze melkzuurbacterie, in feite de eerste stappen in het kaasbereidingsproces dat door deze industrieel en economisch belangrijke bacterie wordt uitgevoerd.

Dit proefschrift behandelt de visualisatie van grote aantallen dicht opeengepakte (gekromde) lijnen. Dergelijke verzamelingen van lijnen komen in verschillende domeinen voor, waarvan wij er twee expliciet behandelen. Allereerst het medische domein, waar zogenaamde DTI fiber tracts inzicht kunnen verschaffen in de structuur van de witte stof in de hersenen. Het tweede domein is de numerieke wiskunde, waar stroomlijnen informatie verschaffen over het gedrag van de stroming in vloeistoffen en gassen in simulaties. Voor beide soorten lijnen geldt dat wanneer ze op een naïeve manier gevisualiseerd worden er al gauw sprake is van een warboel van overlappende lijnen waaruit weinig inzicht te halen is. Daarom zijn in de loop van de jaren visualisatiemethoden ontwikkeld die helpen de structuur en de onderlinge ruimtelijke relaties van de lijnen inzichtelijk te maken. Dit proefschrift levert een viertal bijdragen op dit gebied. De eerste is een snelle nieuwe methode voor het extraheren van fiber tracts waarin de onderliggende DTI data omgezet wordt naar een graaf om daar dan Dijkstra’s kortste pad algoritme op toe te passen. Vervolgens introduceren we een nieuwe visualisatiemethode voor grote verzamelingen lijnen die gebaseerd is op traditionele illustratieve technieken. De resulterende visualisaties lijken qua stijl op met de hand gemaakte zwart-wit illustraties. In het daarop volgende hoofdstuk beschrijven we een methode voor het creëren van abstracte representaties van verzamelingen lijnen voor het inzicht geven in de globale structuur. Ten slotte introduceren we in het laatste hoofdstuk een flexibel lijn-stijl model voor het visualiseren van stroomlijnen.

Mijn thesis presenteert een aantal extensies van het Learning Vector Quantization algoritme gebaseerd op het concept van adaptive similarity measures. Deze manier van metric learning kan gebruikt worden in een grote verscheidenheid aan applicaties. In het eerste deel van deze thesis worden applicaties van Content Based Image Retrieval op dermatologische afbeeldingen, supervised dimension reduction en advanced texture learning bij image analysis besproken. Het gedetailleerde onderzoek naar dimensionality reduction komt uitgebreid aan bod in de tweede helft van de thesis. We stellen een algemeen framework voor dat de aanpassing van verschillende methoden voor dimension reduction voor explicit mappings vergemakkelijkt. Hiermee wordt naast rechtstreekse out-of-sample extensies ook het theoretische onderzoek naar de generalisatie-eigenschappen van dimension reduction mogelijk. Dit concept wordt ge"illustreerd op verschillende unsupervised en supervised examples. Verder wordt een nieuwe techniek voor efficient unsupervised non-linear dimension reduction voorgesteld die de concepten van fast online learning en optimalisatie van divergenties combineert. In contrast met de meeste niet-lineaire technieken, waarvan de computationele inspanningen kwadratisch toenemen met het aantal punten, heeft de voorgestelde methode lineaire complexiteit. Tot slot worden drie op divergentie gebaseerde algoritmes gegeneraliseerd en onderzocht op het gebruik van willekeurige divergenties.

Dit proefschrift behandelt de visualisatie van grote aantallen dicht opeengepakte (gekromde) lijnen. Dergelijke verzamelingen van lijnen komen in verschillende domeinen voor, waarvan wij er twee expliciet behandelen. Allereerst het medische domein, waar zogenaamde DTI fiber tracts inzicht kunnen verschaffen in de structuur van de witte stof in de hersenen. Het tweede domein is de numerieke wiskunde, waar stroomlijnen informatie verschaffen over het gedrag van de stroming in vloeistoffen en gassen in simulaties. Voor beide soorten lijnen geldt dat wanneer ze op een naïeve manier gevisualiseerd worden er al gauw sprake is van een warboel van overlappende lijnen waaruit weinig inzicht te halen is. Daarom zijn in de loop van de jaren visualisatiemethoden ontwikkeld die helpen de structuur en de onderlinge ruimtelijke relaties van de lijnen inzichtelijk te maken. Dit proefschrift levert een viertal bijdragen op dit gebied. De eerste is een snelle nieuwe methode voor het extraheren van fiber tracts waarin de onderliggende DTI data omgezet wordt naar een graaf om daar dan Dijkstra’s kortste pad algoritme op toe te passen. Vervolgens introduceren we een nieuwe visualisatiemethode voor grote verzamelingen lijnen die gebaseerd is op traditionele illustratieve technieken. De resulterende visualisaties lijken qua stijl op met de hand gemaakte zwart-wit illustraties. In het daarop volgende hoofdstuk beschrijven we een methode voor het creëren van abstracte representaties van verzamelingen lijnen voor het inzicht geven in de globale structuur. Ten slotte introduceren we in het laatste hoofdstuk een flexibel lijn-stijl model voor het visualiseren van stroomlijnen.

Mijn thesis presenteert een aantal extensies van het Learning Vector Quantization algoritme gebaseerd op het concept van adaptive similarity measures. Deze manier van metric learning kan gebruikt worden in een grote verscheidenheid aan applicaties. In het eerste deel van deze thesis worden applicaties van Content Based Image Retrieval op dermatologische afbeeldingen, supervised dimension reduction en advanced texture learning bij image analysis besproken. Het gedetailleerde onderzoek naar dimensionality reduction komt uitgebreid aan bod in de tweede helft van de thesis. We stellen een algemeen framework voor dat de aanpassing van verschillende methoden voor dimension reduction voor explicit mappings vergemakkelijkt. Hiermee wordt naast rechtstreekse out-of-sample extensies ook het theoretische onderzoek naar de generalisatie-eigenschappen van dimension reduction mogelijk. Dit concept wordt ge"illustreerd op verschillende unsupervised en supervised examples. Verder wordt een nieuwe techniek voor efficient unsupervised non-linear dimension reduction voorgesteld die de concepten van fast online learning en optimalisatie van divergenties combineert. In contrast met de meeste niet-lineaire technieken, waarvan de computationele inspanningen kwadratisch toenemen met het aantal punten, heeft de voorgestelde methode lineaire complexiteit. Tot slot worden drie op divergentie gebaseerde algoritmes gegeneraliseerd en onderzocht op het gebruik van willekeurige divergenties.

Veel betekenisaspecten van taal liggen opgeslagen in het semantische geheugen. Het semantische geheugen is gebaseerd op onze ervaring met concrete objecten zoals planten, dieren en gereedschappen. Onderzoek met mensen die als gevolg van een hersenbeschadiging moeite hebben met het begrijpen van taal, heeft uitgewezen dat de betekenis van taal ook afhankelijk is van diverse sensorische en motorische gebieden van de hersenen, met name de visuele hersengebieden. Het ventrale pad is betrokken bij het herkennen van objecten, het dorsale pad maakt het mogelijk acties uit te voeren met objecten. Resultaten van experimenten die in dit proefschrift beschreven zijn geven aan dat het semantische geheugen een zeer nauwe relatie onderhoudt met het visuele systeem in onze hersenen. Dit ondersteunt ook de gedachte van een model van visuele semantiek waarin visueel-beschrijvende informatie eerst wordt opgehaald uit het lange-termijngeheugen en vervolgens wordt geactiveerd in het object-werkgeheugen. Het werkgeheugen is waarschijnlijk van belang in de koppeling tussen talige en visuele informatie. Visuele semantiek ligt dus eigenlijk op het kruispunt van semantische, visuele en talige processen Bron:Taaluniversum

Veel betekenisaspecten van taal liggen opgeslagen in het semantische geheugen. Het semantische geheugen is gebaseerd op onze ervaring met concrete objecten zoals planten, dieren en gereedschappen. Onderzoek met mensen die als gevolg van een hersenbeschadiging moeite hebben met het begrijpen van taal, heeft uitgewezen dat de betekenis van taal ook afhankelijk is van diverse sensorische en motorische gebieden van de hersenen, met name de visuele hersengebieden. Het ventrale pad is betrokken bij het herkennen van objecten, het dorsale pad maakt het mogelijk acties uit te voeren met objecten. Resultaten van experimenten die in dit proefschrift beschreven zijn geven aan dat het semantische geheugen een zeer nauwe relatie onderhoudt met het visuele systeem in onze hersenen. Dit ondersteunt ook de gedachte van een model van visuele semantiek waarin visueel-beschrijvende informatie eerst wordt opgehaald uit het lange-termijngeheugen en vervolgens wordt geactiveerd in het object-werkgeheugen. Het werkgeheugen is waarschijnlijk van belang in de koppeling tussen talige en visuele informatie. Visuele semantiek ligt dus eigenlijk op het kruispunt van semantische, visuele en talige processen Bron:Taaluniversum