05 Fakultät Informatik, Elektrotechnik und Informationstechnik
Permanent URI for this collectionhttps://elib.uni-stuttgart.de/handle/11682/6
Browse
649 results
Search Results
Item Open Access Adaptive frameless raycasting for interactive volume visualization(2014) Weißer, ConstantinThere have been many successful attempts to improve ray casting and ray tracing performance in the last decades. Many of these improvements form important steps towards high-performance interactive visualisation. However, growing challenges keep pace with enhancements: display resolutions skyrocket with modern technology and applications become more and more sophisticated. With the limits of Moore's law moving into sight, there have been many considerations about speeding up well-known algorithms, including a plenitude of publications on frameless rendering. In frameless renderers sampling is not synchronised with display refreshes. That allows for both spatially and temporally varying sample rates. One basic approach simply randomises samples entirely. This increases liveliness and reduces input delay, but also leads to distorted and blurred images during movements. Dayal et al. tackle this problem by focusing samples on complex regions and by applying approximating filters to reconstruct an image from incoherent buffer content. Their frameless ray tracer vastly reduces latency and yet produces outstanding image quality. In this thesis we transfer the concepts to volume ray casting. Volume data often poses different challenges due to its lack of plains and surfaces, and its fine granularity. We experiment with both Dayal's sampling and reconstruction techniques and examine their applicability on volume data. In particular, we examine whether their adaptive sampler performs as well on volume data and which adaptions might be necessary. Further, we develop another reconstruction filter which is designed to remove artefacts that frequently occur in our frameless renderer. Instead of assuming certain properties due to local sampling rates and colour gradients, our filter detects artefacts by their age signature in the buffer. Our filter seems to be more targeted and yet requires only constant time per pixel.Item Open Access Analyse poröser Medien auf Basis von Kristalliten(2013) Straub, AlexanderEine Möglichkeit zur Simulation poröser Medien sind Modelle. Diese haben den Vorteil, dass sie computergestützt erstellt werden können und somit auch größere, aussagekräftigere Datensätze hervorbringen. In dieser Bachelor-Arbeit wird ein neuer Ansatz zur Bestimmung des Volumens und der Porösität vorgestellt, basierend auf einem Modell für Sandsteine. Dies war mit bisherigen Algorithmen nur unzureichend möglich, da durch Annäherung große Fehler entstehen. Der neue hier vorgestellte Ansatz wird direkt auf der Geometrie des Modells ausgeführt, somit werden fast keine Rechenfehler begangen. Dieser Ansatz lässt sich zudem durch Aufteilen in Unterprobleme und durch die Benutzung von Heuristiken effizient auf große Datensätze anwenden. Die Messergebnisse und die Folgerungen für Effizienz und Effektivität des Algorithmus werden anschließend aufgeführt und erläutert.Item Open Access Stationary vehicle classification based on scene understanding(2024) Wang, WeitianNavigating through dense traffic situations like merging onto highways and making unprotected left turns remains a challenge for the existing autonomous driving system. Classifying vehicles into parked, stopped, and moving vehicles can benefit the decision-making system in this case because they play different roles during the vehicle-to-vehicle negotiation process. Existing works in vehicle classification focused on trivial cases and used methods that are not generalized enough. To fill this gap, after analyzing this problem and summarizing the necessary information needed for this problem, we propose a multi-modal model that can leverage information from lidar, radar, camera, and high-definition maps. To meet the complexity of our task and the needs of our model, we collect the dataset in real driving scenario and then preprocess and label it. By utilizing a pretrained vision encoder for fine-grained visual feature extraction and vision foundation model (CLIP) for scene understanding, our model achieves a 97.63% test accuracy on our dataset. Through visualization methods, experiments, and quantitative analyses, we investigate the effectiveness and importance of different encoders used in our model. We interpret and explain the successes and failures of our model to give a better understanding of how different latent features contribute to the final result. In the end, the limitations of our model and potential improvements are discussed.Item Open Access Gestensteuerung für Powerwall-basierte Visualisierungen(2012) Ploner, NicoEine Stärke von großflächigen, hochauflösenden Displays ist es, große Datenmengen anzuzeigen und beispielsweise einer Gruppe zur Analyse zu präsentieren. Insbesondere für mehrere Benutzer, die gemeinsam mit Powerwall-Visualisierungen interagieren möchten, eignen sich Tastatur und Maus nur bedingt zur Interaktion mit den dargestellten Daten. Nachteile der Maus- und Tastatursteuerung können durch Freihandgesten vermieden werden. Zusätzlich ermöglichen Freihandgesten einen natürlichen Umgang mit den dargestellten Visualisierungen. In dieser Diplomarbeit wird anhand zweier Szenarien zur Powerwall-gestützten Datenanalyse ein Interaktionskonzept zur Gestensteuerung von Powerwalls entwickelt. Um die Anwendbarkeit dieses Konzepts zu untersuchen wird ein Prototyp implementiert, der eines der beiden Szenarien realisiert. Zusätzlich wird eine Benutzerstudie konzipiert und als Pilotstudie durchgeführt, um das Interaktionskonzept zu evaluieren. Darüber hinaus sollen mit dieser Studie weitere intuitive Gesten zur Interaktion mit Powerwall-Visualisierungen identifiziert werden. Ebenso wird ein Framework konstruiert, mit dem das Interaktionskonzept zur Gestensteuerung mit anderen Interaktionskonzepten zu multimodalen Interaktionsumgebungen kombiniert werden können.Item Open Access Klassifizieren von Bewegungsabläufen mit Machine-Learning-Verfahren unter Verwendung der Movella-Dot-Sensoren(2025) Volpe, AnnaDiese Arbeit untersucht den Einfluss verschiedener Modellarchitekturen und Optimierungsverfahren auf die Klassifikation von Human Activity Recognition (HAR) anhand von Sensordaten der Movella DOT Sensoren. Im Zentrum stehen Convolutional Neural Networks (CNN), Long Short-Term Memory (LSTM), Residual Neural Network (ResNet) sowie klassische Verfahren wie Support Vector Machine (SVM) und Random Forest (RF). Neben dem Vergleich der Optimierer Adaptive Moment Estimation (Adam), Root Mean Squared Propagation (RMSprop) und Stochastic Gradient Descent (SGD) mit verschiedenen Lernraten, wird analysiert, wie sich unterschiedliche Sensorpositionen und deren Kombinationen auf die Klassifikationsgenauigkeit auswirken. Hierzu werden Sliding-Window-Techniken zur Segmentierung der Zeitreihen eingesetzt und die Ergebnisse mit Konfusionsmatrizen, Receiver-operating characteristic (ROC)-Kurven sowie Metriken bewertet. Zur Durchführung der Experimente wurde eine Graphical User Interface (GUI) implementiert, die die Auswahl von Modellen, Hyperparametern und Optimierungsverfahren ermöglicht und die Ergebnisse visualisiert. Die implementierten Modelle wurden auf verschiedenen Bewegungsabläufen trainiert und getestet, darunter Gehen, Joggen, Treppensteigen, Fahrradfahren, Liegestütze, vereinfachte Liegestütze, Bizeps-Curls, Hampelmann, Liegen und Autofahren. Zusätzlich wurden insgesamt acht Handrotationen erfasst, jeweils vier mit der linken und vier mit der rechten Hand. Dabei wurde zwischen Faust- und offener Handhaltung sowie zwischen Links- und Rechtsrotation unterschieden. Es konnte gezeigt werden, dass insbesondere CNNs und ResNets stabile und hohe Genauigkeiten erzielten, während LSTMs stark von der Wahl des Optimierers abhängig waren und klassische Verfahren wie RF solide Ergebnisse bei geringer Modellkomplexität lieferten. Fußsensoren erwiesen sich für geh-und laufbezogene Aktivitäten als besonders zuverlässig, während Handsensoren für armbezogene Bewegungen den größten Mehrwert lieferten. Damit konnte bestätigt werden, dass die gezielte Auswahl weniger Sensoren mit optimaler Platzierung für robuste Klassifikationen ausreicht. Ziel ist es, die Bedeutung der Sensorpositionen und der Hyperparameterauswahl für robuste Modelle zu charakterisieren und so Empfehlungen für die Auswahl geeigneter Modell- und Sensorkonfigurationen aufzustellen.Item Open Access Ego-Graph-basierte visuelle Exploration semantischer Wissensgraphen(2022) Gruhnert, Jan RobertWissensgraphen erfreuen sich in der Forschung großer Beliebtheit, da sie Weltwissen repräsentieren. Um diese riesigen Strukturen für den Menschen verständlich aufzubereiten ist ein weit verbreiteter Ansatz, der des Knoten-Kanten Diagramms. Diese Diagramme werden häufig durch kräfte-basierte Layoutalgorithmen generiert. Ein Nachteil dabei, ist die zunehmende Unübersichtlichkeit des Diagramms, bei immer größer werdenden Graphen. Dabei gibt es durchaus Szenarien, in denen man nicht am gesamten Graphen interessiert ist, sondern nur an einzelnen Knoten und deren Nachbarn. In dieser Arbeit wird ein inkrementelles Verfahren vorgestellt, in welchem nicht der gesamte Graph visualisiert wird, sondern erst mal nur ein ausgewählter Startknoten. Ausgehend von diesem Startknoten ist es möglich, Nachbarknoten manuell zu expandieren und der Visualisierung hinzuzufügen. Die Auswahl der Knoten wird dabei den Nutzer*innen überlassen und findet mit Hilfe eines Knoten-basierten Menüs statt, in dem Nachbarknoten nach Kategorien ausgewählt werden können. Für die Umsetzung dieser Ego-Graph-basierten Exploration wurden mehrere verwandte Arbeiten untersucht, die eine ähnliche Herangehensweise vorgestellt haben. Daraus wurde dann experimentell ein eigener webbasierter Prototyp entworfen.Item Open Access Cross-device data collection(2024) Zhu, KaiyangProviding cross-device service has become the best practice for many organizations. Those cross device services often have different user interfaces (UIs) designed to deliver user experiences (UXs) adapted to the device context. User behavior tends to vary across devices due to the UI variations, which can considerably impact usability. While extensive research exists on the relationship between user behavior and usability within the same device context, little attention has been paid to cross-device scenarios. By examining usage across devices, it becomes possible to identify the distinct user behavioral patterns and assess usability across varying UIs. Usability can be measured explicitly through user responses to a usability questionnaire and implicitly via navigation behavior events and task completion time on web pages. To facilitate this analysis, we developed a recording system capable of capturing user navigation behavior, usability feedback, and screenshots for five popular individual web pages. Participants were recruited both online and onsite to generate a diverse user behavior dataset. A total of 79 participants were invited to the experiment, with 17 participating in a pilot study. The resulting dataset comprises 34 well-processed, complete user datasets for analysis. Using this novel dataset, we conducted a preliminary analysis to explore correlations between user behavior features and usability metrics, specifically System Usability Scale (SUS) scores and task completion times. Additionally, we performed a small case study to compare the five different UIs and determine which design provided the best user experience. We found that usability, measured in terms of SUS scores, showed no significant differences across devices or web pages. However, completion time varied significantly across devices. Additionally, we provided design recommendations, such as addressing erratic user behaviors derived from speed-related metrics like excessive acceleration, which negatively impact usability, particularly on mobile devices.Item Open Access Item Open Access Enhancing the visual output of smart watches using garment-based displays(2015) Ogando, SophieIn the last few years, smartwatches started to become popular. Many large-scale manufacturers have begun releasing their smartwatches. Despite this fact smartwatches still have constraints, that limit their usage. The biggest constraint of smartwatches is the small screen size, which restricts input and output capabilities. This work focuses on enhancing the output capabilities of smartwatches using garment-based displays. Current research suggests that garment-based displays will become feasible in the near future. This would enable the possibility to utilize garment-based displays as an extension for the smartwatch screen. Considering that there are many possible positions on the body for a garment-based display, we explored the users’ location preferences for body-attached displays. Since a low-resolution display prototype was built to simulate a garment-based display, we also explored users’ preferences for visualizing information on low-resolution displays. One common use-case for smartwatches that is limited by the screen size is the interaction with maps. As this work focuses on enhancing the output capabilities of the smartwatch, a new off-screen visualization technique using the display prototype is proposed as a way to minimize this limitation. We then implemented the off-screen visualization technique and conducted a user study in which we compared our approach to two known off-screen visualization techniques.Item Open Access Visual prediction of quantitative information using social media data(2017) Fatehi Ebrahimzadeh, HamedIn recent years, the availability of a vast amount of user-generated data via social media, has given an opportunity to researchers for analyzing these data sources and discovering meaningful information. However, processing and understanding this immense amount of data is challenging and calls for automated approaches, and involvement of field experts to use their field knowledge and experience to enhance the data analysis. So far, existing approaches only enable the detection of indicative information from the data such as the occurrence of critical incidents, relevant situation reports etc. Consequently, the next step would be to better relate the user provided information to the real-world quantities. In this work, a predictive visual analytics approach is developed that offers semi-automated methods to estimate quantitative information (e.g. number of people who participate in a public event). At first, the approach provides interactive visual tools to explore social media data in time and space and select features required as input for training and prediction interactively. Next, a suitable model can be trained based on these feature sets and applied for prediction. Finally, the approach also allows to visually explore prediction results and measure quality of predictions with respect to the ground truth information obtained from past observations. The result of this work is a generic visual analytics approach, that provides expert user with visual tools for a constant interaction between human and machine, for producing quantitative predictions based on social media data. The results of predictions are promising, especially in cases that the location, time and other related information to public events are considered together with the content of user-generated data.