随着新型展示和交互技术的发展,信息可视化已经不再局限于传统的桌面应用。AR,VR领域日新月异,越来越多的可穿戴设备能够支持多自由度交互和沉浸式展示,为人们身临其境地和数据交互,深入理解数据对象提供了很大便利。对于一些三维视图,传统的桌面可视化在展示性能上仍有不足。我们很自然地想到结合这两种技术,让用户使用头戴式设备在沉浸式环境下进行三维数据探索,但这同时也引起我们产生一个疑问——用户和真实世界中全息图进行交互探索,和传统可视化相比是否是一种更有效率的策略?这篇文章[1]给出了一个有关桌面三维可视化、平板电脑中的AR可视化、和头戴式设备中的沉浸式可视化在完成三维探索任务性能上的研究,通过分别完成三维点云中的几个基本问题,从而比较三种方式完成任务效率等方面的差异。
月度存档: 十二月 2017
我手中的全息图:可感知的沉浸式增强现实中的三维可视化交互探索效率如何?(The Hologram in My Hand: How Effective is Interactive Exploration of 3D Visualizations in Immersive Tangible Augmented Reality?)
可视化与可视分析专业委员会12月23日在北京成立
在2D+时间轨迹上评估对时间和速度的感知(Assessing the Graphical Perception of Time and Speed on 2D+Time Trajectories)
时序数据在历史,气象,金融,地理,运动等许多领域都很普遍。文献中有许多在2D路径上进行时间和/或速度编码的研究,经常使用的视觉变量有大小,色彩亮度和段长度等。 然而到目前为止还没有研究来评估这些可视编码的相对可解释性。该工作[1]实验性地评估了人们在2D路径上感知非恒定时间和速度的程度。 在该图形感知研究中,作者评估了文献中所存在的关于直线和曲线路径上映射时间和/或速度的九种编码。 当x和y轴已经编码其他数据维度时,例如位置信息,在此基础上可视化时间和速度信息是一个挑战。 该研究成果为InfoVis设计人员提供了在2D路径上进行时间和/或速度编码的指导方针。其中,作者建议尽可能使用颜色值来编码速度和路径的分段长度来编码时间。
一种基于三维卷积稀疏编码的体渲染智能系统方案 (An Intelligent System Approach for Probabilistic Volume Rendering using Hierarchical 3D Convolutional Sparse Coding)
直接体渲染是一种表现三维体数据的强大可视化手段。过去数十年间,研究者们进行了大量的研究,来提高体渲染的速度与质量。其中,传递函数的设计是影响这两个指标的一个重要因素。传递函数将体素的值映射到诸如颜色、不透明度、可见性等光学性质。然而,要设计一个好的传递函数通常面临着很大的困难,对非专业使用者更是如此。绝大多数传递函数设计的方法都依赖用户大量的交互,用户需要根据数据的统计特征,通过不断试错,以求达到好的效果。这里的统计特征通常是数据某些属性的直方图。在本文中,作者提出了一种基于机器学习方法:三维卷积稀疏编码,能对体素进行精确分类,从而得到优秀的体渲染结果。同时,基于智能系统的交互方式,能让用户通过直观的输入,来完成传递函数设计过程。
MovementSlicer:更好的甘特图可视化移动数据中的行为和相遇事件(MovementSlicer: Better Gantt Charts for Visualizing Behaviors and Meetings in Movement Data)
通过GPS或其他技术收集的移动数据越来越普遍,但是这种数据由于在二维地图上轨迹的遮挡问题而变得难以可视化出来。另一个挑战是提取原始移动数据中有用的更抽象的特征信息(例如相遇事件)。作者展示了MovementSlicer[1]的设计研究,一个可视化个人访问地点和行为的工具,同时展示多个参与者之间的相遇事件。作者首先提出运动数据可视化的分类,然后在分析运动数据,特别是多个参与者的相遇事件支持的任务。他们认为甘特图对于理解小团体的运动和相遇事件有很多好处,并且提出了一个甘特图的设计,甘特图可以把人物嵌入地点信息或地点嵌入人物信息展现在Y轴,并沿水平方向x轴显示时间轴。甘特图的行可以按照活动级别进行排序,并且可以使用显示人们之间相遇次数的加权邻接矩阵进行过滤。甘特图中的没有记录信息的时间间隔可以自动折叠,从而产生多焦点视图。作者使用多个案例研究证明了MovementSlicer的实用性。
HiPiler: 基于交互式small multiples的大型基因组交互矩阵可视分析工具(HiPiler: Visual Exploration of Large Genome Interaction Matrices with Interactive Small Multiples)
交互式的从表格中提取数据(ChartSense: Interactive Data Extraction from Chart Images)
现场决策中异构数据异常检测的沉浸式可视化(Immersive Visualization for Abnormal Detection in Heterogeneous Data for On-site Decision Making)
随着混合现实的发展,HoloLens等头显设备为我们提供的在现实世界中探索数据的能力对可视化交互和分析越发重要。对于安全可视化,混合现实可以产生桌面可视化难以实现的效果,能够满足无需上下文转换的数据探索和物理操作,并支持多人协同探索,在许多安全领域应用中有实际意义,涉及范围涵盖从基础设施安全和应急响应到对可疑行为的日常监控。研究如何利用MR在真实物理环境中有效地可视化抽象数据并利用声音和姿势与之交互具有创新的意义。本文[1]使用VAST Challenge 2016的数据集,以复杂的多维时序传感器数据中隐含的安全事件作为研究对象,提出了异常检测的方法,设计了一套沉浸式可视分析系统,能够将二维图表信息和三维平面图信息紧密结合,并提供了语音、凝视和手势等交互。
近期评论