ChinaVis 2018 – Day 2 (2018年7月27日)

ChinaVis 2018会议第二天的内容包括4个专题报告、5个论文报告、2个企业展览报告、艺术作品演讲以及可视化暑期学校课程设计报告。

上午会议首先进行的是Poster Fast Forward环节,16篇海报以及20篇挑战赛获奖海报会有30秒时间介绍。作者们列于讲台会场一侧,轮流上台,通过精彩的视频,向大家介绍自己的工作。

图1 海报作者在Fastforward环节介绍自己的工作

专题3:图可视化

图可视化专题邀请了4位讲者。来自中科院软件所的时磊老师介绍了深度神经网络可视化。如今深度学习在各方向得到了越来越广泛的应用,然而深度学习却一直存在难以解释的问题。已有大量可视化工作针对深度学习的可解释性开展了研究。时磊老师将这些工作分成了3类,可视化网络结构,可视化训练过程以及可视化模型结果。接下来时磊老师介绍了他们的工作DeepClue,利用社交媒体、新闻数据预测股票价格的交互式深度学习模型。DeepClue引入了改进的层次相关性传播算法抽取可解释的关键文本因素,并利用可视分析方法辅助用户理解模型。

图2 深度神经网络可视化工作分类

来自山东大学的汪云海老师报告的题目是《基于边向量的布局与交互》。在传统的Stress Model目标函数中,只是最大化布局后的节点之间距离与理想距离一致性,并没有对边的方向有限制。通过改进原有的Stress Model,加入方向的限制,可以巧妙解决图布局与交互中的存在的问题,比如保持动态图布局的稳定性,减少社群的重合,较少Fisheye边缘布局的混淆等。

图3 在Stress Model中加入方向限制

同济大学的石洋老师介绍了《MeetingVis: Visual Narratives to Assist in Recalling Meeting Context and Content》工作。这个工作通过故事线的形式,每条线代表参与会议的人,通过线的聚合,颜色等展现会议主题随时间的变化过程,从而对会议进行总结。该工作也获得了Pacificvis 2018最佳论文提名奖。

图4 MeetingVis: Visual Narratives to Assist in Recalling Meeting Context and Content

最后报告的是澳大利亚斯文本科技大学的黄伟栋老师。他们通过眼动实验证实了边交叉角度对于用户理解图布局的影响,认为对图可视化进行评估的时候,不能只考虑边交叉的数量,还要考虑交叉的角度。交叉角度越大,越有助于提高图布局的可读性。

图5 边交叉角度是图布局的重要评估指标。

专题 4:科学可视化

接着,来自国内外的科学可视化领域的专家做出了关于科学可视化的专题报告,分别介绍了大规模数据的原位可视化、面向大规模科学和工程计算的可视分析引擎以及戴墨粒子时许数据的可视化。

首先来自美国俄亥俄州立大学的沈汉威教授做了关于“原位数据建模、分析、可视化”的专题报告:原位数据建模、分析和可视化。主要挑战来源于建模物理模型超高分辨率导致内存上的数据的IO速率不匹配。采用基于PDF的方法的压缩方式展示最大信息量并支持对信息不确定性的分析。主要有以下几个步骤:分割数据、统计(存储)数据、恢复数据以及对数据的可视化。该报告完整构建了原位可视化的基本流程。

图6 沈汉威教授正在做专题报告

来自北京应用物理与计算数学研究所的肖丽研究员做了“面向大规模科学与工程计算的可视分析引擎”的报告。可视化和数据分析是数值模拟的重要环节。再次背景下科学计算与理论、实验并重。关键技术为批量处理复杂多样的大规模数据,主要研究高并行、自适应采样、多物理耦合、高精度数据探查等问题。最终实现了TB级别的计算速率。

图7 肖丽研究员正在做专题报告

国防科技大学的王文珂教授给了关于“流场及周期轨道高效可视化”的报告,流线高效可视化借助流线的微分方程的表示与非结构网格线形流场等技术方法。最终,与4阶龙格-库塔,Kipfer方法比较,得到明显加速。从周期轨道高效可视化而言,采用庞加莱-本迪克松定理及其三维推广,对一条流线重复两次进入某个网格集,这个网格集成为网格环。最终获取90%以上加速。

图8 王文珂教授正在做专题报告

中国科学院计算机网络信息中心的单桂华主任做了关于大规模粒子时序数据可视化的报告。主要关注于高动态范围的色调映射、大规模数据绘制与加速。采用数据精简与加速渲染算法,包括数据压缩、视窗剪裁、粒子合并。最终实现所见即所得选取的特征可视化和原位可视化。

图9 单桂华主任正在做专题报告

专题 5:地理信息可视化

“地理信息可视化“专题中,几位专家介绍了地图学、地质学等方面与信息可视化的结合应用。来自信息工程大学的张锦明教授介绍了“地理信息可视化的力量”,三维地图是数据更熟悉更真实的表达,但对用户的交互性要求更高,并额外多出了一个数据变量,可以表达更多信息,解决了在2D地图中符号相互压盖的问题。但同时也指出3D地理信息视图中存在着很多的问题,如在z轴上堆叠的数据相互遮挡、很难进行准确比较以及数据量的维数灾难等。

图10 张锦明老师发表演讲

来自浙江大学的郑文庭教授介绍了自己在“全球范围下时空环境虚拟融合的可视分析”所做的工作,利用CPU与GPU协同,高性能自适应的可视化技术以及图形学传统算法及优化算法的结合,对巨大范围内的大陆、水体、植被、云层、建筑物等进行绘制,同时也对洋流、风暴潮、大气数据等进行了可视化。郑文庭教授指出,在之后的工作中,会从性能、功能、易用性的角度,对系统进行进一步的开发,也会对移动设备进行相应的探索。

来自武汉大学的应申教授指出,传统的平面、纸质地图在进行地图投影时,自然地引入了变形与误差,而“ICT环境下的泛地图可视化”突破了物理空间的限制,展示信息更真实,更全面;突破了传统地图的符号体系,实现灵活多样、自定义的地物表达。应教授从现实和虚拟、历史与现实、静态与动态、外表与内部等几个方面进行对比,形象的展示了“泛地图”的优势。地图是信息的框架,而在大数据时代大量数据落地时,存在很多问题,值得地图领域与可视化领域进行进一步地研究。

图11 应申老师发表演讲

最后,来自中国地质大学毛小平教授因行程问题,由学生代替做了题为“集合体元模型在不规则三维地学模型可视化表达中的应用”。传统的地质模型存在数据冗余、空间不一致、无法表达突变、形状固定、占用内存较大等问题,因此提出了集合体元模型,使用该模型,可以帮助地质学家更好地进行油藏、溶洞等的勘察,方便找油找水。

专题 6:安全可视化

在上午的安全可视化专题中,几位讲者带来了关于安全领域的可视化应用。来自清华大学的段海新教授介绍了运用可视化的技术检测互联网地下产业的推广技术与黑话分析,其中很重要的一环就是在一个网络可视化中对于相似模型的搜索与定位。来自信息工程大学的万刚教授从军事应用的角度讲述了战场态势可视化的重要性,在实时紧张的战场上不仅仅要有准确的各作战部队与地理环境的时空地理可视化,同时又要具有一定的预测敌情、分析战术和交互的功能。随后,两位分别来自企业:数字冰雹的崔晓霞和上海地听信息科技有限公司的张雄平,更具体地针对城市管理决策和原油泄漏追踪两个案例讲解了可视化技术应用。在城市管理决策中,主要运用了大屏幕可视化,以及支持多人的、实时的交互技术。在原油泄漏追踪案例中,展示了在不同粒度下采用不同分辨率的科学流场可视化的强大以及高效。安全可视化的专题报告展现了可视化技术的应用之广泛和能力之强大。

图12 清华大学段海新教授在会议上报告

Paper Session 3:Volume Visualization and Medical Visualization

这个论文session中包括了多篇体数据和医学数据可视化的工作。脑纤维的视觉选择和聚类的工作对于脑纤维的研究通过核磁共振进行水分子纤维追踪从密集的纤维束中分析,抽取解剖学意义的纤维,同时对纤维数据全局、全部筛选,得到感兴趣的纤维进行深入研究。医学可视化医学成像会引入不确定性,用概率滑块可视化医学可视化中不确定性这一论文关注数据分类的不确定性。第三个工作室基于游标模型的沉浸式医学可视化非接触式手势交互方法。最后一个工作是对于烟雾可视化,利于使用现实的视觉效果。对于动态动画采用基于关键帧的压缩。

Paper Session 4: Information Visualization Techniques and Studies

第二天下午的第二个paper session是关于information visualization的部分,一共有五篇工作。

图13 基于Helmholtz-Hodge分解的2D3D中尺度洋流表面涡流可视化 – 框架概述


来自天津大学的Cuicui Zhang报告了“Helmholtz-Hodge Decomposition based 2D and 3D Ocean Surface Current Visualization for Mesoscale Eddy Detection“。洋流表面的中尺度漩涡的可视化对于理解洋流情况有重大意义。论文提出了基于HHD的可视化方法,将每个流场分解为curl componentdivergence component进行可视化。进一步,用HHD2D流场转变为3D势能表面,用全球各种海域的数据进行了比对分析。

图14 上海交通大学刘威正在报告 用可视化系统理解网络流图

来自上海交通大学的Wei Liu报告了”Analyzing Data Flow Diagrams by Combination of Formal Methods and Visualization Techniques”。论文中设计了一个可视化网络流图的系统,基于已知的Calculus of Communicating System (CCS)表示生成网络流的示意图。该系统的主要功能有:实时更新结点,改变焦点结点(并有选择地展示焦点结点周边的结点),概览整个网络流的空载/满载情况,以及对两个网络流进行比较和融合。

图15 手绘对称图的美学评估 – 研究背景与动机

来自澳大利亚 Swinburne University of Technology的Weidong Huang教授报告了”Evaluating Aesthetics for User-Sketched Layouts of Symmetric Graphs”。论文主要由一个多用户参与的实验构成,系统给用户提供一个图中结点和边的列表,令其绘制出图结构,在图中有对称结构时评价用户的绘图的美观程度。画图一共分4阶段,前三次给出图A的邻接表,并逐步提示图中有对称结构;最后一次换成另一个图B,以观察用户在多次画图的过程中是否更明确地表现图中的对称结构。

图16 用可视化方式探究流数据的不确定性 – 方法概览

来自浙江大学的Junxiu Tang报告了”Toward the Better Modeling and Visualization of Uncertainty for Streaming Data”。论文提出了一个最小化采样误差的方法PDm(改进了KDEm中的距离函数,使用了KL距离),进一步通过不确定树的方式将采样误差可视化,可供观察处于哪一分类的数据产生了更多的不确定因素。亮点是最后对于KDEmPDm的比较分析。

图17 多源网络可视化 – 多源网络的定义

来自Arizona State University的Haichao Yu报告了”Visual Mining of Multi-sourced Networks”。论文中给出了多层网络的数学定义并结合两个问题讨论:跨层的排序问题和查询问题。论文改进了HITS(一种图结点排序算法),将其应用到了多层网络上,提出了两个算法分别用于解决上述的两个问题,并利用Amazonco-purchasing network数据集进行了user study.

null

图18 Haichao Yu报告《Visual Mining of Multi-sourced Networks》

Paper Session 5:Graphs and Networks

这个论文报告环节包括4篇论文。首先来自哈尔滨工业大学的Kai Yan报告的论文题目为《A Visual Recommendation System for Social Networks To Satisfy User Expectations》。这个工作设计了一个可视分析系统对给定用户推荐好友,从而使得好友关系网络和目标用户类似。首先系统将用户的所有好友标签作为用户的特征向量,为了满足用户以及目标用户的特征分布一致,系统会分析给用户推荐一个好友后其特征分布的变化以及接下里可能的推荐的好友,这样用户可以交互式的参与到推荐过程中。

图19 Kai Yan报告《A Visual Recommendation System for Social Networks To Satisfy User Expectations》

来自上海交通大学的Xin Fan报告了《Real-Time Network Security Visualization System Based on Incremental Learning》。该系统利用SOINN,一种基于竞争学习的两层神经网络来检测网络数据流中异常。视图中部展现的是系统检测出的异常数据,用户可以通过其它视图对模型的准确性进行判断,从而对模拟进行修正。

图20 利用SOINN进行异常检测

第三篇论文《绘制动态图的IGP模型》由西南科技大学的Ye Zhang报告。在动态图的更新过程中,该工作引入节点等级概念,等级越高的节点越不容易移动。

图21 IGP方法流程

最后一篇工作《A Structure-based Progressively Interpreter for Network》同样来自西南科技大学,由Kai Tang报告。该工作利用了struc2vec,DBSCAN以及信号处理等方法对大规模网络进行分析。

图22《A Structure-based Progressively Interpreter for Network》系统界面

Survey Paper Session

本次大会总共收录了四篇论文综述。第一篇是中南大学的周芳芳的关于工业制造中的可视化的综述,作者从近年来53篇相关的论文,根据工业制造的生命周期,从设计、制造、质检、服务四个方面介绍可视化在其中的应用,其中包括沉浸式技术、科学可视化技术等等。

图23 工业数据可视化

第二篇是来自北京工商大学的陈谊老师的关于探究图数据中的关联关系的可视化应用,作者从基于拓扑、基于属性、基于浏览、基于概览、同构/异构数据比较五个方面对图关联数据进行了总结,同时也对图像布局方式进行了分类。

图24 关联关系可视化

第三篇是来自清华大学的刘江对于交互式机器学习的论文综述,获得了ChinaVIS 2018的 “Best Survey Paper”。这篇综述总结了2015至2018年期间97篇相关的论文,文章的框架是以任务为导向,基于不同机器学习的算法,总结相关的交互式可视化技术。

图25 交互式机器学习

最后一篇文章是来自浙江大学的何向阳带来的关于多变量空间数据的可视化论文综述。 这篇文章总结了2010年到2018年的相关文章,从特征分类、融合可视化、变量相关性分析三个方面来对多变量可视化方式进行了总结,并基于三个不同的方面提出了相关的挑战以及展望。

图26 多变量空间数据的可视化论文综述

Paper Session 6: Deep Learning in Visual Analytics

这个论文报告环节包括4篇论文。国防科大的Liang Deng同学报告了《A CNN-based Vortex Identification Method》。这篇文章使用卷积神经网络,识别和提取流场中的漩涡结构。该方法面临两大挑战:怎样获取大量的训练数据,以及训练模型的通用性和可扩展性。作者们针对流场的点设计网络,解决了训练数据缺失的问题。在训练部分,使用的网络包含1个输出层,4个卷积层,3个全连接层,用Adam方法进行训练。

图27 Liang Deng正在报告《A CNN-based Vortex Identification Method》。

国防科技大学的Yang Liu报告了《A Novel In-Situ Compression Method for CFD Data based on Generative Adversarial Network》。针对传统的计算流体动力学(CFD)数据压缩方法耗时过长,不能满足原位处理的需求的问题,作者们应用对抗生成网络(GAN)来解决这一问题。

图28 Yang Liu正在报告《A Novel In-Situ Compression Method for CFD Data based on Generative Adversarial Network》

来自天津大学的Wenjing Dai报告了《Visual Decoding: Generating Textual and Numeric Information from Chart Images Automatically》。针对图表数据难以自动获得的问题,作者们提出首先对输入的图表,使用卷积神经网络进行分类;其次通过文字分割和识别提取文本,通过图像距离和高度提取柱状图数据,然后匹配二者。

图29 Wenjing Dai正在报告《Visual Decoding: Generating Textual and Numeric Information from Chart Images Automatically》。

来自中国科学院新疆理化技术研究所的Fan Zhao报告了《Visualization System for Anomaly Detection for Data Acquisition Systems》。该工作把深度学习和异常分析结合,提高异常分析效率效果,获取深层次信息。对于无标签数据,采用聚类算法结合可视化,选择正常数据进行训练,训练时采用LSTM模型。

图30 Fan Zhao正在报告《Visualization System for Anomaly Detection for Data Acquisition Systems》。

Paper Session 7: Visual Analytics Applications I

在这一环节中,五位演讲者为我们带来可视分析应用方面的论文报告。首先来自浙江大学的 Juntian Chen做了论文《Visual Exploration and Comparison of Word Embeddings》的报告。这篇工作针对文本分析中词向量难以解释的问题进行了可视化系统设计,弥补了前人工作只能展示单词在词向量空间中位置的不足,提供了一个交互式的加深用户对词向量空间和词汇语义变迁理解的系统。他们关注不同语料生成词向量空间的差异,使用聚类图展示大致的词向量空间;用词对图中的点表示语义方向,展示了词对之间的差异;并用词云帮助用户分析中心词与周围语义词的相近关系。

图31 Juntian Chen报告论文《Visual Exploration and Comparison of Word Embeddings》

来自华东师范大学的Yifei Huang做了论文《GBRTVis: Online Analysis of Gradient Boosting Regression Tree》的报告。这篇工作提供了一个GBRT训练过程的在线分析系统,用于帮助专家理解GBRT训练模型、理解参数变化、诊断模型,从而更好地训练GBRT模型,并发现使用异构模型训练时,模型的RMSE更小,训练效果更好。

图32 Yifei Huang报告论文《GBRTVis: Online Analysis of Gradient Boosting Regression Tree》

来自浙江财经大学的Miaoxin Hu做了论文《Visual Ranking of the Academic Influence via Paper Citation》的报告。这篇工作针对如何在学术工作中迅速找到高质量参考文献的问题,提出了一个基于论文引用的学术影响力排名分析系统。在评价参数方面,除了论文评价常用指数H-index,g-index等,他们还利用了论文引用链路的拓扑关系,将论文名称转换成单词,再将引用关系转化成句子,使用word2vec分析两个句子的相似性。他们用论文自身引用次数、是否被高质量论文引用和文献重要性对pagerank算法进行加权,从而提供了论文影响力的排序结果。

图33 Miaoxin Hu报告论文《Visual Ranking of the Academic Influence via Paper Citation》

来自中国石油大学的Lianen Ji做了论文《基于工况划分的大规模电厂机组控制数据可视化探索》的报告。这篇工作主要针对火力发电机组秒级大规模数据进行电厂发电过程可视化,解决了现有可视化图表过于简单的问题,提供了一个时空参数集成的多角度、多尺度的工况展示分析系统,成功探索了如何将工业大数据与可视化结合。

图34 Lianen Ji报告论文《基于工况划分的大规模电厂机组控制数据可视化探索》

来自太原理工大学的Huijun Zhang做了论文《DART: A User-Driven Tool for Visual Analysis of Dynamic Association Rule Mining》的报告。这篇工作对有时间属性得到数据进行动态关联分析,提供查看频繁项与相关数据的时间分布关系,并支持对发现的关联规则进行重新划分,以得到更精确的结果。

图35 Huijun Zhang报告论文《DART: A User-Driven Tool for Visual Analysis of Dynamic Association Rule Mining》

Paper Session 8: Visual Analytics Applications II

下午的最后一个论文报告环节是可视分析应用方面的。首先来自电子科技大学的Yuwei Zhang做了论文《eduExplorer:基于校园行为数据的可视分析系统》的报告,报告内容是对学生的门禁、洗澡、吃饭等打卡数据的可视化及分析结果。他们收集一万多学生的百万条打卡数据,包括门禁、洗澡、吃饭等;他们定义了真实熵:一种反映数据出现的位置和频次的手段,发现了成绩好的学术进出图书馆的次数比差的多、成绩好的同学进出图书馆和洗澡时间有更明显的规律性等问题。

null

图36 Yuwei Zhang报告论文《eduExplorer:基于校园行为数据的可视分析系统》

来自北京林业大学的Bo Yang做了论文《Visual Analysis of Occurrence and Control of Forest Pests with Multi-view Collaboration》的报告,报告内容是针对不同地区的森林虫害的分布情况、随时间的变化等5个专家的需求而设计的森林灾害的可视分析系统,有树图展示发生虫害的面积、雷达图展示不同地区分布情况、地区情况随时间变化等8个视图。

null

图37 Wenting Zhang报告论文《Visual Analysis of Haze in Beijing》

来自山东大学的Wenting Zhang做了论文《Visual Analysis of Haze in Beijing》的报告,报告内容是对北京雾霾的可视分析,他们通过空气质量指标先大概定位雾霾范围,然后通过可视化系统精准定位每一次雾霾事件,并分析雾霾与风场、相对湿度等气候因素的关系。

null

图38 夏佳志老师报告论文《Exploring Linear Projections for Revealing Clusters, Outliers, and Trends in Subsets of High-dimensional Datasets》

来自中南大学的夏佳志老师做了论文《Exploring Linear Projections for Revealing Clusters, Outliers, and Trends in Subsets of High-dimensional Datasets》的报告,报告内容是关于高维数据的可视化,提出基于投票的投影交互方法,设计了通过找出局部特征,使得聚类、异常和趋势的特征最明显的视图。

null

图39 Yuhua Liu做了论文《Visual Analysis of Stratigraphic Correlations Based on the Well-logging Data(L)》

最后由Yuhua Liu做了论文《Visual Analysis of Stratigraphic Correlations Based on the Well-logging Data(L)》的报告,报告内容是关于地质领域的。主要讲了地层匹配问题以及归一化和降噪、曲线相关性计算及合并、分层等数据处理方法。

艺术作品演讲

来自Michigan State University的Xia Gao教授介绍了她的艺术作品和创作思想。Xia Gao教授的艺术创作关注于多文化、文化与地点的适应等方面。在ChinaVIS上展出的艺术作品《separated/urban factors》以数字剪纸结合投影的形式,展现了底特律这座城市种族融合问题的现状。

来自同济大学设计创意学院的同学为大家介绍了艺术作品《文本景观》。他们运用3D打印技术,将城市的天际线融合在对城市的文本介绍中。作品既能直观反映城市的三维地貌,也包含了对城市的文字描述。

Plothis Studio成员为大家介绍了他们的艺术作品《百年外滩变迁史》。这幅作品以信息图的形式,直观地展示了外滩上万国建筑群这一百年来所经历的变迁,他们想用这种形式,唤起大家对古建筑的关注。

作品《A Gear-storyline of Inception》的雏形来自于浙江大学计算机系的一位同学在快媒体数据可视化课程中的作业。讲者为我们讲述了这幅作品从出现到实现的过程。该作品是对《盗梦空间》这部电影情节的可视化,通过齿轮造型的层层咬合隐喻了层层嵌套的故事情节。创作者最初的想法是用圆形,借此暗合电影中“旋转的陀螺”的意向。在之后的设计迭代中,他们发现了齿轮这个视觉造型的可能性和潜力,最终用D3实现了设计,不过未能解决齿轮间不能很好咬合的技术问题。在收集数据上,他们是手动输入的数据,分工完成,以秒为单位仔细观看电影中的各个细节。

图40《A Gear-storyline of Inception》

两位来自江南大学的同学与我们分享了一些他们以往的交互设计作品。其中,本次参展的作品叫做Echo Planet,这是一个声音可视化交互装置,收集声音,再反馈到图像和音乐。讲者与我们分享了自己上大学之前一次与听力障碍儿童们接触的经历,他未能加入公益事业,但是如今能够以设计师的身份为这些孩子做些什么。为了更好的了解这个听力障碍儿童,他们到特殊教育学校实习,与这些孩子接触,发现他们其实与普通正常的孩童并无差异,只是无法更好地表达自己。他们想到了用星球,树枝的意向,希望以此祝福他们能够充满希望、蓬勃发展。在最后的作品实现中,他们邀请了这些孩子来与这个装置互动,孩子们站在海螺面前,发出自己的声音,根据音量的大小和频率的高低,图像便可展示星球和树木的丰富变换。视频中可以看出,这些孩子非常享受其中。

图41 江南大学参展作品Echo Planet

可视化暑期学校课程设计报告

在下午同时进行的还有第十期2018年北京大学可视化发展前沿研究生暑期学校课程结业答辩。本次课程答辩的点评嘉宾有宾州州立大学张小龙教授,加州大学戴维斯分校马匡六教授,悉尼大学Peter Eades教授,以及北京大学袁晓如研究员。所有学员分为14组就自己选择的数据设计一个可视分析系统。学员们选择了包括空气污染数据,全国高校招生数据,滴滴打车轨迹数据,棒球比赛数据,世界杯比赛晋级数据等各种类型数据。在每个小组上台展示后,嘉宾们进行了提问并且给出了改进建议。

图42 结业答辩

图43 嘉宾点评

晚宴

晚上,所有参会人员共聚黄浦江畔,参加“海云之夜”黄浦江游船晚宴活动。游船沿着黄埔江缓慢行驶,窗外霓虹齐放,灯影璀璨。窗内,大家一边享用着美食,一般讨论着这两天的会议见闻。在致辞环节,大会主席王长波教授表达了所有参会者的感谢,来自海云数据以及360公司的代表分享了赞助ChinaVis会议的收获。

图44 王长波教授致辞

图45 海云数据公司代表致辞

图46 360公司代表致辞

图47 晚宴合影

 

 

评论关闭。