Resumen: Explorar datos volumétricos es crucial para interpretar conjuntos de datos científicos. Sin embargo, seleccionar puntos de vista óptimos para una navegación efectiva puede ser un desafío, particularmente para los usuarios sin experiencia extensa en el dominio o familiaridad con la navegación 3D. En este artículo, proponemos un marco novedoso que aprovecha la interacción del lenguaje natural para mejorar la exploración de datos volumétricos. Nuestro enfoque codifica bloques volumétricos para capturar y diferenciar las estructuras subyacentes. Además, incorpora un mecanismo de puntaje de clip, que proporciona información semántica a los bloques para guiar la navegación. La navegación está facultada por un marco de aprendizaje de refuerzo que aprovecha estos señales semánticas para buscar e identificar eficientemente los puntos de vista deseados que se alinean con la intención del usuario. Los puntos de vista seleccionados se evalúan utilizando la puntuación de clip para garantizar que mejor reflejen las consultas de los usuarios. Al automatizar la selección del punto de vista, nuestro método mejora la eficiencia de la navegación de datos volumétricos y mejora la interpretabilidad de los fenómenos científicos complejos.
Publicado Originalme en export.arxiv.org El 11 de agosto de 2025.
Ver Fuente Original
