科学家在可视化不断增长的时变数据集时面临重大挑战，这些数据集的速度和体积往往需要专门的基础设施和专业知识来处理。来自NASA实验室的Peta规模气候模型需要一组专门的图形和媒体专家，并访问高性能计算资源。科学家们可能需要快速迭代地与社区分享科学结果。然而，耗时的试错过程会产生显著的数据传输开销，远远超过典型后期分析可视化任务所分配的时间和资源，从而干扰生产工作流程。
本论文提出了一种用户友好的框架，用于在普通工作站上创建Peta规模时变数据的3D动画。我们的贡献包括：
- 通用动画描述符（GAD）：基于关键帧的可适应动画抽象。
- 高效数据访问：减少云托管存储库的数据管理开销。
- 定制渲染系统。
- LLM辅助的对话界面：作为脚本模块，使没有可视化专业知识的领域科学家能够创建他们感兴趣区域的动画。
我们通过两个案例研究展示了框架的有效性：首先，生成指定基于先前知识的采样标准的动画；其次，生成基于自然语言用户提示的AI辅助动画。在所有情况下，我们使用的NASA气候-海洋数据集的规模超过1PB，但实现了1分钟到2小时的快速周转时间。用户可以在几分钟内生成动画的粗略草稿，然后无缝地整合所需的高分辨率数据以制作最终版本。
博主点评： 该框架的提出极大地降低了科学可视化的门槛，使得没有专业背景的科学家也能高效生成复杂的动画，这将推动科学研究的透明度和传播效率。