分类存档: 论文报告

EmoCo: 视频中的情感一致性可视化分析 (Visual Analysis of Emotion Coherence in Presentation Videos)

在人们的日常交流中,情感扮演了重要的角色。情感的表达可以通过多种方式,如表情、声音、文字、肢体动作等。人们会通过同时利用多种表现方式来传递自己的情感,然而有时这些方式所传递的信息并不是一致的。该工作[1]通过利用视频中讲者的表情、文字、声音,来分析讲者在这个三个通道上情感表达方式的特征,从而帮助学习者提示自己的演讲技巧。

继续阅读 »

基于像素的可视化技术的理论与应用(Designing Pixel-Oriented Visualization Techniques: Theory and Applications)

可视化大规模的高维数据在数据分析中扮演着越来越重要的角色。在众多的技术中,基于像素的可视化是一类非常有效的可视化方法。基于像素的可视化方法是在将对象的每一个数据属性映射到有限的屏幕空间内的一个像素点上,从而可视化尽可能多的可视化数据对象,并且通过排列像素点体现出数据中所存在的模式。近些年来,基于像素的可视化技术在很多具体场景中得到了广泛的应用并且充分验证了方法的有效性。本文的主要目的是讨论基于像素的可视化技术中的常见问题,对于设计该类可视化方法提供理论依据,本文所采用的方法是将基于像素的可视化技术中的设计转换为约束条件,求解约束条件进而得到设计决策,本文发现基于求解约束所得到的设计决策能够得到高效的可视化设计方法。 继续阅读 »

Visual Boosting in Pixel-based Visualizations (基于像素的可视化中的视觉增强)

基于像素的可视化方法是针对每一个数据项仅使用很小的一个区域(若干个像素)进行视觉编码的一种可视化方法。在面对大规模数据集时,基于像素的可视化方法有较好的表现,可以提供高分辨率。然而同时也有其弊端,若数据较为稀疏,像素大小的数据项容易被人忽视,而若数据项较密集,紧密排布的像素数据点会掩盖潜在的数据特征。因此,视觉增强的方法被用来加强对基于像素的可视化的认知,常用的视觉增强方法有光轮、颜色、变形、影线、形状符号等。

继续阅读 »

P5: 针对交互式数据分析和可视化的便携渐进式并行处理流水线(P5: Portable Progressive Parallel Processing Pipelines for Interactive Data Analysis and Visualization)

交互式数据分析面临的数据,体量越来越大,复杂度越来越高,导致数据转换和可视化渲染的延迟提高,这将会阻碍用户交互分析的效率。现有的应对方式包括应用并行处理等方法提高计算速度,以及通过渐进式可视化方法,使用户能快速获得对中间结果的感知。但是大部分现有的可视化工具包,不能支持应用高性能计算方法,并且提供渐进式可视化创建的能力。该工作提供了P5这一创建渐进式可视化的可视化工具包,它提供了声明式的可视化生成方式和使用GPU计算资源的功能。

继续阅读 »

AILA:基于 Attention 的深度神经网络进行文本类别标注 (AILA: Attentive Interactive Labeling Assistant for Document Classification through Attention-based Deep Neural Networks)

文本分类(Text Classification)已经运用到越来越多的自然语言处理任务(Natural Langurage Processing,NLP)上,如垃圾邮件检测(Span Detection), 假新闻过滤(Fake news filtering),情感分析(Sentiment Analysis)等等。基于深度学习的这类任务都需要大量的标注数据,然而标注是一个十分耗时耗力的过程,需要标注者长时间的注意力。特别地,对于一些特定领域的数据,如法律、医学等等,更要求标注者有着一定的专业知识。如果系统能够自动的高亮出文本中对于文本类别影响较大的关键词可以一定程度上减轻标注者的任务。

继续阅读 »

比较苹果和橙子:表格数据中成对比较的分类和设计(Comparing Apples and Oranges: Taxonomy and Design of Pairwise Comparisons within Tabular Data)

成对比较问题很常见,它可以帮助我们进行类比推理、社会比较、决策以及知识发现。然而,我们经常是在比较苹果和橙子(compare apples and oranges——两个感兴趣的东西不易比较。比如比较北京和纽约,这两个城市在很多方面都有不同之处。本文 [1] 旨在系统地研究成对比较问题。作者们提出了成对比较的分类,开发了一个电子表格应用程序Duo以帮助人们完成成对比较。此外,他们还研究了用马虎规则(sloppy rules)和自然语言来指定成对比较问题的不同。

继续阅读 »

适用可扩展链接可视化的平衡交互级延迟及像素敏感性的系统(Falcon: Balancing Interactive Latency and Resolution Sensitivity for Scalable Linked Visualizations )

在ACM SIGCHI 2019 会议上,美国华盛顿大学交互数据实验室的 Moritz 等人(Jeffrey Heer 组)发表了关于针对大规模链接可视化的低延迟系统的文章。文章提出的系统 Falcon 可以平衡交互延迟和像素精度。结合数据索引,数据预取和渐进式交互等方法,Falcon 可以从查询和界面系统两方面一体式地对多视图链接可视化进行优化。

继续阅读 »

排名可视化的图形知觉研究(Ranked-List Visualization: A Graphical Perception Study)

将排名列表进行可视化是一个非常常见的任务,现在已经存在了很多种可视化方法。这篇文章首先对现有方法做了很好的总结和分析,然后设置了详细的用户知觉实验,来比较不同的排名列表可视化方法。

继续阅读 »

B-Script:基于文本的推荐式视频B-roll编辑

在视频编辑中,向视频中加入B-roll是一种比较常见的做法。B-roll可以使得原视频变得更加丰富、更加吸引人。但是,对于新手来说,很难选择插入哪个B-roll,以及插入A-roll的哪个位置。因此,本文[1]提出了B-Script来辅助用户解决上述问题。特别的,B-Script主要针对vlog的B-roll插入问题。

继续阅读 »

主动墨迹:手写笔与数据的交互式探索(ActiveInk: (Th)Inking with Data)

在日常工作和生活中,为了进一步地理解关注的事物,人们往往会进行主动性的阅读,从不同渠道选取数据来分析。而数据通常形态各异,文字、图片、图表等等不一而足,这为分析和记录带来了困难。本文提出一种基于数码写字笔的多模态数据分析交互技术:ActiveInk。它能够使用户在传统书写标注的基础上,对多模态的内容流畅地执行高亮、关联等交互,更为自如地验证猜想、获取洞见。

继续阅读 »