月度存档: 八月 2013

ViSizer:可视化缩放框架(ViSizer: A Visualization Resizing Framework)

计算机软件在设计的时候,必须要考虑的一个问题是不同分辨率下的显示。例如在网页的设计上,移动端和PC端一般有两套不同的界面设计。可视化软件也同样如此。现如今随着移动设备的普及,大分辨率显示设备的问世,可视化显示设计也面临更多挑战。
设想下如下场景:在多人合作可视分析时, 人们使用不同大小, 不同比例的显示设备; 面对大屏幕显示墙, 用户手持移动终端进行交互, 操纵可视组件; 同一个设计师, 在不同的场所使用不同分辨率的多种计算设备来工作。

这时一个可视化缩放框架就显得非常有必要了,来自 Kuangliu Ma 研究组的这个工作[1], 能将不同分辨率下的不同显示问题独立出来予以解决, 减轻可视化软件的开发和设计工作。他们开发了一个基于感知的框架,ViSier, 能将可视化结果缩放以适应任何尺寸的显示。

图1: ViSizer 的工作流程

继续阅读 »

为数据可视化选择具有语义共鸣性的色彩(Selecting Semantically-Resonant Colors for Data Visualization)

可视化中的语义共鸣色

在日常生活里,色彩对事物的理解有重要的意义,用符合人们常识的色彩来表现相应的事物,譬如用红色代表火焰,蓝色代表寒冰等,可以促进认知和记忆。基于这个原理,在这篇EuroVis 2013的文章中,斯坦福大学的可视化小组提出了自动选择某一事物的语义共鸣色(Semantically-Resonant Color)的算法,并将其运用到可视化中,以提高可视化作品的信息传达效率。
继续阅读 »

指纹矩阵:揭示文学作品中的动态社交网络(Fingerprint Matrices: Uncovering the dynamics of social networks in prose literature)

小说大家或多或少都读过几本,甚至有许多爱好者早已读过数百上千本小说。然而,你是否认真分析过小说中人物关系的演变呢?一个小说人物何时出现,何时消失?人物间间何时产生了关系?人物间的关系是如何发展的?这是一个十分典型的动态网络可视化问题。D. Oelke等人发表于EuroVis 2013的最新工作《Fingerprint Matrices: Uncovering the dynamics of social networks in prose literature》[1] 中提出了一种使用矩阵可视化动态社交网络的可视化方法,如下图。
继续阅读 »

基于众包的数据分析策略(Strategies for Crowdsourcing Social Data Analysis)

说起众包(crowdsourcing),现在大家也许并不陌生。最早在2006年,《连线》(Wired)杂志记者Jeff Howe于2006年发明的一个专业术语,用来描述一种新的商业模式,即企业利用互联网来将工作分配出去、发现创意或解决技术问题。通过互联网控制,这些组织可以利用志愿员工大军的创意和能力——这些志愿员工具备完成任务的技能,愿意利用业余时间工作,满足于对其服务收取小额报酬,或者暂时并无报酬,仅仅满足于未来获得更多报酬的前景。尤其对于软件业和服务业,这提供了一种组织劳动力的全新方式。(来源wikipedia)。我们搜索关于众包的项目,在wiki上至少有120个里列出的,更不用说还有许许多多形形色色的新应用的产生。其中最出名的应该要数Amazon的MTurk(https://www.mturk.com/mturk/welcome)。

图一:工作流,1)数据选择,2)专家选择图表,3)众包分析,4)众包评价,5)专家整理

继续阅读 »

向量场k-Means:通过多向量场拟合对轨迹数据聚类(Vector Field k-Means: Clustering Trajectories by Fitting Multiple Vector Fields)

hurricane_cluster

运动是这个世界的本质,而运动轨迹则是描述运动的重要方式之一。轨迹数据被人们研究了数百年,研究的对象从战争中的行军路线,船舶航行路线,到鸟类迁徙路线,以及如今GPS技术普及之后的出租车、自行车行驶路线等等。面对轨迹数据,一种常见的做法是对轨迹数据进行聚类,将相似的轨迹数据聚到一起,便于研究者发现内在的模式。来自纽约大学与AT&T实验室的学者Nivan Ferreira等人在今年的EuroVis上提出了一种新颖的基于向量场拟合的向量场k-Means算法。

继续阅读 »

基于出租车轨迹数据的交通拥堵可视分析(Visual Traffic Jam Analysis based on Trajectory Data)

提到交通拥堵,大家一定都感到头疼。它让我们的出行变得不便,心情变得焦虑。同时它减缓了物流,加剧了空气污染。理解和治理交通拥堵是许多人的梦想,政府、企业、研究机构都在用各自的方法为着这个梦想而努力。作为我们研究可视化的人来说,我们是否也可以为理解和治理交通拥堵尽一份力呢?在我们最新的工作中,我们将可视分析方法运用于交通拥堵分析,得到了不错的结果。相应的论文[1]已经被IEEE VAST 2013所接收。

继续阅读 »

信息论之观察信道在体可视化中的应用(An Information-Theoretic Observation Channel for Volume Visualization)

对于如何更好的展现一个可视化结果,不同的研究提出形形色色的评判标准,学术界众说纷纭。西班牙吉罗那大学图形图像实验室(Graphics and Imaging Laboratory, University of Girona)的学者R. Bramon等人在今年的EuroVis上提出了一种新颖的基于信息论的方法,量化信息从原始数据到渲染结果的传递过程,以此来对可视化结果的参数进行调优[1]。

继续阅读 »

地层数据分析器:二维地层数据的图例解释性方法 (The seismic analyzer: interpreting and illustrating 2D seismic data)

这是一篇2008年IEEE Vis的论文[1],作者介绍了一种用图例解释二维地层数据的可视化方法,该方法着手于解决传统的自下而上的解释性方法相对耗时的缺陷,提出了自上而下的解释性方法。作者还提出了一种参数化层位线的方法来获取层位线的局部坐标,从而为最后的纹理映射提供纹理坐标。

继续阅读 »

大规模移动数据中换乘模式的可视化(Visualizing Interchange Patterns in Massive Movement Data)

今年的EuroVis会议上有一篇关于移动数据中换乘模式的可视化工作[1]。文章以乘客在地铁系统内部的换乘为例,介绍了一种基于环形表示的可视化设计,如图1。它简洁的展现了在每个地铁站内,乘客进出站和乘坐或换乘线路的流量信息(统称为换乘模式),并支持不同地铁站和不同时间之间换乘模式的比较。

继续阅读 »