数据总结(summary)允许分析人员探索太复杂或数据量太大而无法可视化其细节的数据集。在可视化分析系统中使用总结时，设计人员需要面对大量的设计选择。虽然这些选择会影响所得到的系统的效用，但使用这些总结技术并没有明确的指导原则。在本文中[1]，作者将总结用法编入现有系统中，以确定总结可视化设计的关键因素。他们使用定量内容分析系统地调查可视分析系统的示例，并列举这些设计因素在数据总结中的使用。通过这一分析，作者揭示了设计考虑因素，可视化系统中数据总结策略之间的关系，以及不同总结方法如何影响系统支持的分析。作者利用这些结果综合了现实世界中使用总结可视化的常见模式，并强调了这些模式为设计有效系统所提供的开放挑战和机遇。这项工作为总结可视化的设计实践提供了更原则性的理解，并提供对于未充分利用方法的洞察。
学习如何正确有效地使用现有的API是软件开发中的一个常见任务，也是一个核心挑战，因为库和API的数量和复杂性正在增加。程序员经常在Q＆A论坛中搜索在线代码示例，阅读教程和博客帖子，学习如何使用给定的API。然而，经常对于大量相关的代码示例，用户很难理解它们之间的共性和差异，并深入到具体的细节。我们介绍了一个交互式可视化探索从开源库挖掘的大量代码示例。该可视化通过一个合成代码框架总结了数百个代码示例，其中包含规范调用语句和包含API调用结构的统计分布。
越来越常见的数据分析方法涉及到使用信息仪表板来直观比较变化数据。 但是对于不同布局约束与不同层次的可视化形式的视觉比较是一项具有挑战性的任务。 在在本文中，我们评估了条形图的不同变体，我们使用常见的在仪表板中使用的流行类图表。 我们使用了一个在线实验（N = 74）进行评估四个选择设计：1）分组条形图，2）分组条形图差异叠加，3）条形图与差异叠加，和4）差异图表。 结果显示有带有叠加层的差异图表适合更广泛的比较任务。 最后，我们讨论我们调查结果的含义，重点是支持仪表板中的视觉比较[1]。
2018年6月21日至22日，由中国图象图形学学会可视化与可视分析专委会主办，北京大学机器感知与智能教育部重点实验室承办的科学可视化战略研讨会在北京香山饭店召开。来自北京大学、清华大学、天津大学、国防科技大学、西南科技大学、东北师范大学、南京师范大学、燕山大学、山东工商学院等高校，中国科学院软件所、计算机网络信息中心、北京应用物理与计算数学研究所等科研机构的20多位科学可视化方向的专家、学者汇聚一堂。就可视化发展所面临的关键科学问题和新的研究方向展开了深度交流。
有效的图布局可以帮助人们分析网络的拓扑结构，已有的许多工具，比如Gephi，D3都能够完成图布局的任务。计算图布局的时候，通常只考虑节点的拓扑信息，而对于特定领域的图，比如生物信息网络，布局时候还要考虑节点的属性信息。针对这样的特定领域(Domain-specific)图数据，虽然已有特定的布局方法，但是这些方法只能限定在该领域里使用，而不具有推广性。使用一般的布局方式，比如力导向布局来处理这些图数据，为了反映网络的特定结构，还需要对布局后的结果进一步调整，耗时耗力。本文[1]提出了一种更高层次的布局语言SetCoLa，可以有效结合结合图数据本身特点，对于布局的结构进行限制。
散点矩阵（SPLOM）是可视化中渲染多变量多类别数据的常用技术。然而，多类别 SPLOMs 有透支（重叠点）的问题，大多数现有技术只关注于单个散布图与单一类的透支减轻问题。本文利用闪烁点动画来达到减轻多类别散点矩阵中的透支问题。在69个参与者的用户研究中，我们发现用户不仅在使用动画SPLAMs识别密集区域方面表现更好，而且还发现他们更容易解释，并且优于静态散点矩阵。这些结果为今后减轻多类别SPLOM透支的工作开辟了新的方向，并为应用动画减轻其他可视化形式中的透支提供了见解。
国际航空运输协会（International Air Transport Association）对空中交通增长前景的最新研究预测表明到2035年空中交通量将增加一倍[1]。为了应对流量突变，降低管制员的工作负担以及保障空中交通的安全性和效率，动态地划分空域变得更加重要。传统的空域划分包括基于交通流的图划分[2], 对扇区的合并增加[3]以及基于Voronoi图[4]。该工作CDAS[5]使用认知决策架构的模型, 采用多目标优化算法来动态的划分空域。评测结果表情该工作有效提高了管制员的工作效率。
作为外行人，往往对于一些领域的数值可能很难理解，特别是当它们的数量级很大或者包含一些不熟悉的单位的时候。之前的很多种工作表明，从另外一个”视角”出发，对于这些测量结果采用比率、排序或单位变化，用一种更为直观的方式可以提高人们对于不熟悉的数值的理解能力。但是往往会有很多不同的”视角”。在本文中[1]，通过对于超过1000名受试者的随机实验，系统地测试了影响不同”视角”表示方式质量的因素，发现”视角”对数值理解有长期的帮助。
上下文图像(context image)是指展示图像周围的信息的图像。在用户的周边视野中展示上下文图像可以使用户获得更加沉浸和令人激动的观看体验（例如：观看视频，游戏时）。然而，周边视野展示系统并未被广泛使用，这是因为实时地提供上下文图像很难。已有的相关工作中，飞利浦公司的AmbilightTV[2]在屏幕周围添加LED灯条，灯光颜色与屏幕边缘像素颜色相同；飞利浦公司的AmbiLuxTV[3]在屏幕背后添加投影仪，将放大的模糊图像投影到背景墙上。Jones Brett等人[4]提出IllumiRoom，使用两个摄影机在相同角度同时拍摄主要视频以及上下文视频，在使用时，展示主要视频的同时，使用投影仪将上下文视频投影到背景中。Aides Amit[5]提出MultiScale方法，将视频中的每一帧根据其相邻帧的内容外推出周边区域的内容，这种方法计算较为精准，但每处理一帧需要花费数分钟，不具有实时性。
图1 图像及上下文图像
近期评论