
随着可视化技术普及,大量可视化被创建并在网上分享。如何检索可视化成为重要的问题。基于样例检索相似的可视化信息是创建集合和可视化推荐的基础。传统的可视化检索通常只考虑了视觉信息[1],却忽略了可视化中存在的视觉元素之间的结构。考虑可视化的结构信息,来自香港科技大学和新加坡管理大学的Haotian Li等人 [2] 提出了一种融合可视化的视觉信息和结构信息的检索方法。
继续阅读 »随着可视化技术普及,大量可视化被创建并在网上分享。如何检索可视化成为重要的问题。基于样例检索相似的可视化信息是创建集合和可视化推荐的基础。传统的可视化检索通常只考虑了视觉信息[1],却忽略了可视化中存在的视觉元素之间的结构。考虑可视化的结构信息,来自香港科技大学和新加坡管理大学的Haotian Li等人 [2] 提出了一种融合可视化的视觉信息和结构信息的检索方法。
继续阅读 »自然语言 (natural language, NL) 作为数据可视化工具的输入模式越来越受到关注。 许多商业可视化系统工具(例如 Microsoft Power BI 、Tableau 等)和研究方法都展示了自然语言接口支持更广泛的受众进行可视分析的潜力。对自然语句的分析理解对这些工具而言非常重要,然而已有的工作通常缺乏对用户如何使用自然语言指定生成可视化的过程缺乏足够的理解。
继续阅读 »自然语言界面(natural language interface)使人们能够灵活地与可视化进行交互,大大降低了可视化构建及交互门槛。过去十余年,有许多工作致力于利用自然语言进行可视化的构建和交互[2,3,4,5,6,7,8]。然而之前的工作通常将自然语言对应到特定的系统中的操作,缺乏被复用的通用性。IEEE VIS 2020 发表的论文NL4DV[1]提出一个与特定可视化界面无关的通用的自然语言界面工具组件。
继续阅读 »11月3日是中国可视化与可视分析大会(ChinaVis 2020)的最后一日。当日上午,在主会场进行了大会第二场圆桌论坛,艺术特邀报告,关于文博的特邀报告,以及闭幕式。大会到此圆满成功。
继续阅读 »11月2日是中国可视化与可视分析大会(ChinaVis 2020)的第二日。本日在陕西大会堂各个分会场举办了涵盖各大热点研究话题的专题报告、数据可视分析挑战赛分享会、以及若干论文报告。内容精彩纷呈。
继续阅读 »深度学习模型近年来扮演着重要的角色。它能够拟合非常复杂的函数从而实现许多任务。但是训练过程、训练的结果往往只是扮演了黑盒的角色——用户无法对其进行解释、也难以操纵训练的结果。如果用户对模型的输出不满意,很难设置模型以达到用户想要的结果。
近年来有许多文章对深度学习模型进行交互探索以打开深度模型。以往的方法中通常是观察模型产生的结果或者是探索输入与模型参数之间的关系。这类方法可以帮助用户找到输入数据中有问题的数据,以重新指导训练过程。但是对于如何对模型改进产生满意的结果鲜有涉及。Gehrmann 等人[1]在IEEE TVCG 2020(VAST 2019)发表了一篇通过协同语义推理(Collaborative Semantic Inference, CSI)与深度学习模型进行可视交互的文章。这篇文章介绍了协同语义推理的优越性——可以对模型产生直接的影响。
继续阅读 »IEEE VIS 是由电气电子工程师学会(IEEE)计算机协会可视化和图形学技术委员会(VGTC)主办的可视化领域的顶级会议。IEEE VIS 包括科学可视化(Scientific Visualization)、信息可视化和(Information Visualization)可视分析(Visual Analytics Science and Technology)三个子会议。IEEE VIS 会议的正式录用结果于7月9日正式发布。北京大学可视化与可视分析研究组在袁晓如研究员指导下三篇全文论文被 IEEE VIS 2019 接收,均同时被领域顶级期刊 IEEE TVCG 收录。
近期评论