MeTACAST：VR中的目标和上下文感知空间选择
摘要：为VR可视化环境中的粒子数据提出了三种新颖的空间数据选择技术。它们旨在面向目标和上下文，适用于各种数据特征和复杂场景。每种技术都设计为可调整特定的选择意图：选择连续密集区域，选择类似丝状结构，选择聚类，同时促进后选择阈值调整。这些技术允许用户通过简单和近似的三维指向、刷选或绘制输入，使用灵活的点或路径输入，在不受三维遮挡、非均匀特征密度或复杂数据形状的限制下，精确选择那些需要进一步探索的空间区域。这些新技术在一个控制实验中进行了评估，并与基准方法（基于区域的三维绘画选择）进行了比较。我们的结果表明，我们的技术在处理各种场景上都是有效的，并允许用户根据对关键特征的理解来选择数据。此外，我们分析了我们的空间选择方法的属性、要求和策略，并将它们与现有的最新选择方法进行了比较，以处理各种数据特征和情况。基于这个分析，我们提供了选择最适合的三维空间选择技术的指南，基于交互环境、给定的数据特征或需要交互式后选择阈值调整的需求。
作者：Lixiang Zhao, Tobias Isenberg, Fuqi Xie, Hai-Ning Liang, Lingyun Yu
论文ID：2308.03616
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-08-08