A High-Quality Workflow for Multi-Resolution Scientific Data Reduction and Visualization

多分辨率方法，如自适应网格细化（AMR），可以提高高性能计算应用程序生成的大量数据的存储效率。然而，它们的适用性有限，不能普遍应用于所有应用程序。此外，将有损压缩与多分辨率技术集成以进一步提高存储效率遇到了重大障碍。为此，我们介绍了一种创新的工作流程，可为统一和AMR模拟提供高质量的多分辨率数据压缩。首先，为了扩展多分辨率技术的可用性，我们的工作流程采用了面向压缩的感兴趣区域（ROI）提取方法，将统一数据转换为多分辨率格式。随后，为了弥合多分辨率技术和有损压缩器之间的差距，我们优化了三种不同的压缩器，确保它们在多分辨率数据上的最佳性能。最后，我们将先进的不确定性可视化方法纳入我们的工作流程，以了解有损压缩的潜在影响。实验评估表明，我们的工作流程实现了显着的压缩质量改进。

实现高质量多分辨率数据压缩

通过ROI提取、优化压缩器和不确定性可视化等方法，实现高质量的多分辨率数据压缩

论文提出的工作流程能够在多分辨率数据压缩中实现高质量压缩，并且使用了先进的不确定性可视化方法。实验结果表明该工作流程能够显著提高压缩质量。

与该论文相关的研究包括：Multi-resolution data compression using wavelet-based methods、Lossy compression of scientific data sets using wavelets and linear prediction、Adaptive compression of scientific data