分类存档: 论文报告

使用递归最优对应性进行层次结构布局的插值(Hierarchical Layout Blending with Recursive Optimal Correspondence)

布局生成是一类重要的问题。在现有的布局生成相关研究中,一类研究注重与提供各类辅助工具,帮助设计师设计排版布局,例如各类交互的布局指令[1],自动吸附工具[2],以及更加高级的对齐关系推断与优化系统[3]等,但要使用这一类工具创作高质量的布局还是需要依赖设计师的专业知识。而另一类则是自动布局生成工具,但在这一类工具中,使用规则的布局生成方法产生的结果多样性不足,而基于学习的生成方法[4]则依赖于大规模高质量的数据集。

来自深圳大学的Pengfei Xu在发表于SIGGRAPH ASIA 2022的论文《Hierarchical Layout Blending with Recursive Optimal Correspondence》[5]中提出了基于少量布局样本,使用混合插值方法从样本中生成新布局的方法,并提出了一种支持平滑的布局插值的算法(图1)。

继续阅读 »

CohortVA:基于历史数据的群体交互探索可视化分析系统(CohortVA: A Visual Analytic System for Interactive Exploration of Cohorts based on Historical Data)

在历史研究中,群体是指从事共同活动或频繁互动的一群人物,历史学家通过研究历史人物的行为来探讨社会结构的变化和社会流动的趋势。传统的历史群体分析耗费大量的精力和时间,而现有的自动数据挖掘方法则缺乏有效的视觉解释。对此,来自浙江大学的Wei Zhang等人[1]通过与历史学家合作,提出了一种交互式的可视分析方法——CohortVA,使得历史学家能够将专业知识和洞察纳入迭代探索群体的过程中,极大地提高群体识别、人物筛选和假设验证的能力。该论文发表于VIS 2022。

继续阅读 »

通过交互打破数据故事的第四面墙 (Breaking the Fourth Wall of Data Stories Through Interaction)

打破第四面墙(BTFW)源于戏剧和文学作品。指故事中的角色走出故事里的世界,意识到观众的存在,直接与读者或观众对话。在数据故事中,BTFW作为一种叙事手段可以与交互结合,从而在用户和数据故事之间建立更深层的联系。可视化中的BTFW通过直接对话用户或请求用户信息将用户的个人情况整合到可视化叙事中。该工作分析了当下数据故事中使用BTFW交互的优势和挑战,并且探索了数据故事中常用的BTFW交互设计模式 [1]。

继续阅读 »

DashBot: 基于深度强化学习的见解驱动的仪表盘生成 (DashBot: Insight-Driven Dashboard Generation Based on Deep Reinforcement Learning)

分析仪表盘在商业智能中广受欢迎,其通过多个可视化图表表达数据,支持见解发现。然而构建有效的仪表盘依赖于用户具有数据分析方面的专业紧跟。用户需要选择数据属性、探索不同种类图表来配置仪表盘。这往往需要反复试错才能构建有效的仪表盘。来自浙江大学和香港科技大学的团队提出通过深度强化学习的方法, DashBot [1], 通过设计智能体网络模仿人类构建过程以自动生成分析仪表盘。图1为DashBot 生成的效果。

继续阅读 »

ChartWalk: 浏览电子健康记录中的大量文本记录以进行临床病例回顾 (ChartWalk: Navigating large collections of text notes in electronic health records for clinical chart review)

在初次接诊病人前,医护人员需要在短时间内审查病人的电子健康记录(EHR),以了解病人情况。EHR 由大量半结构化医疗文本报告组成,这些文本数据严重碎片化且冗余,不便于浏览和检索,使得病例回顾成为一个耗时、乏味的过程。来自多伦多大学的 Sultanum 等人 [1] 提出了支持病例回顾的可视分析工具 ChartWalk,帮助医护人员快速浏览、分析文本记录,发表在 VIS 2022。

继续阅读 »

Data Hunches: 将个人知识融入可视化 (Incorporating Personal Knowledge into Visualizations)

可视化中展现的数据不一定是完美的,可能存在一些错误。而对于数据质量的问题,往往只有领域专家才能觉察到。 在发现可视化中存在数据质量问题后,专家可以通过书面告知、交谈等方式进行反馈,但是这样的反馈方式非常低效。本文介绍的工作首先对于数据质量问题进行了分类,然后对于不同类型的数据质量问题,采用了基于手绘风格的形式进行可视化,让专家在原有可视化中融入自己的个人知识。

继续阅读 »

模糊电子表格:理解和探索表格计算中的不确定性(Fuzzy Spreadsheet: Understanding and Exploring Uncertainties in Tabular Calculations)

图1:Fuzzy Spreadsheet 系统界面

电子表格在人们的生活中随处可见:在自然科学、金融商务、电子信息等领域都有着广泛应用。电子表格不仅为用户提供了可靠、方便的数据浏览的方式;并且允许用户使用一些基本的函数对表格数据进行操作,方便用户进行更进一步的统计分析。然而在使用过程中稍加分析,我们可以发现,电子表格本身对于数据中的不确定性以及单元格之间诸如通过函数相连的关系缺乏一种较好的表达方式。本文基于此,提出一种通过单元格内嵌可视化的方法,对传统表格进行“增强”,从而方便地使用户在浏览一般表格数据时,还可以较好地观察到单元格之间的关联性与其内部数值的不确定性。

继续阅读 »

使用SOMNUS来可视化数据清洗脚本 (Visualizing the Scripts of Data Wrangling with SOMNUS)

理解数据变换代码对数据工作者是非常重要的任务。然而完成这项任务需要熟练掌握编程技能和充分了解代码使用的编程语言和库。同时,理解代码的过程耗时且容易出错。现有的代码可视化工作专注于提供中间状态信息,而不支持对数据变换过程的呈现。

继续阅读 »

数据视频与动画插图的设计空间(Design Space for Data Videos and Animated Illustrations)

本期介绍的两篇文章都是关于设计空间(Design Space)的,两篇文章在讨论的内容及写作风格中有一定的共通之处,因此放在一起讨论与比较。

数据视频是叙事可视化的一种体裁,将可视化与运动图形结合在一起,以讲述数据驱动的故事,在创作数据视频时,设计师经常使用动画编码数据属性,来揭示关系,显示不确定性或传达情绪。

动画插图是图形设计的一种体裁,可以使用动态视觉效果传达特定的上下文化消息。作为一种新兴媒介,动画插图通常使用动态视觉效果展示故事,通常持续不到15秒。

来自同济大学的研究团队对82个数据视频及121个高质量动画插图进行分析,总结出了这两种叙事媒介的设计空间。

继续阅读 »

仪表盘设计模式(Dashboard Design Patterns)

仪表盘是一种使用多个视图来显示同一主题的数据的可视化。自仪表盘问世以来,它被广泛应用于商业、医院、城市分析等各种应用领域。仪表盘的现有工作主要集中在高层次的抽象的指南上。例如,尽量避免向观众提供过多的信息。但是,创建者很难仅使用这些抽象指南来构建仪表盘,因为它缺少仪表盘中可视化组件的详细介绍以及如何组合它们。

由爱丁堡大学等机构的合作研究通过分析超过100个仪表盘,总结出仪表盘的设计模式,以帮助探索和理解设计选择,并作为快速仪表盘设计的指南。

继续阅读 »