历时三天的ChinaVis 2018最后一天的会议内容同样充实精彩，包括特邀报告，Panel讨论环节，专题报告，以及闭幕式。
来自中国科学院的廖方宇主任给出了以“大科学时代的可视化机遇与挑战”为题的特邀报告。廖主任以领域专家的角度，对可视化在大科学的发展的态势下拥有的新的机遇和挑战给出见解：在大科学时代由于项目的长期性、复杂性、不确定性，需要有更庞大的科研投入、更频繁的国际合作、更紧密的学科交叉和更复杂的科研装置。而科学可视化在大科学中可以提供巨大的优势。大科学装置数据可视化方法包括几何模型建构、二维遥感图像、三维体数据、粒子模拟数据可视化等。具体而言：大科学时代可视化的挑战有需要面对更大规模、更高维度的数据，这也正需要可视化和领域专家更好地融合。他对可视化在大科学装置用几个巧妙的双关进行总结：“视”代更新、“视”如破竹、“视”说新语、“视”不可当。
图1. 廖方宇主任正在做特邀报告
特邀报告结束后，来自北京工商大学的陈谊教授主持了本次大会的第二个panel。panel的主题是“非视不可（What is the silver bullet of visualization?）”，旨在讨论哪些思想、方法和技术使可视化具有不可替代性，哪些领域的数据分析必须使用可视分析方法。来自悉尼大学的Peter Eades教授，加拿大ETS的Michael McGuffin教授，中国科学院计算机网络信息中心廖方宇主任和北京大学的袁晓如研究员等四位学者展开了讨论。
图2. Panel 2 – 非视不可
学者们从数学推理出发验证可视化质量，可视化与可视分析在短期、中期面临的机遇和可能的研究方向，科学家迫切需要可视化来帮助他们理解数据、分析数据，以及可视化使得人和机器优势互补、相得益彰等角度，阐述了可视化的必要性以及如何促进它的发展。
Peter Eades教授首先提到，在当前的可视化研究中，技术的好坏通常通过案例来衡量，这是不充分的。数据通过可视化函数（visualization function）转换为图片，图片又经过感知函数（perception function）被人类所理解。在这一过程中，可视化函数是否对数据进行了准确无误的转换，人类是否准确理解了图片中的信息？心理学理论和试验可以用来验证人类对图片的理解质量，而对于数据到图片的转换质量，如之前所述，是通过不充分的案例研究来完成的。可视化函数的质量需要通过数学理论和推理来保证。对于某项任务，我们从数据中获取的结论应该和从图片中获取的一致。随后，Eades教授又对可视化要解决的问题做了归纳。他认为，如果一项任务不是NP问题或者反NP问题，使用可视化来传达真实性（communicating truth）或者虚伪性（communicating falsity）是不可行的；如果一项任务是NP问题，那么使用可视化来传达真实性是可行的；如果一项任务是NP完全问题，那么可以使用可视化来传达真实性，但是从数据的可视化表达中确定真相（determining truth）是不可行的；如果一项任务是P问题，那么使用可视化来传达真实性，以及从可视化中确定真相均是可行的。之后，Eades教授提出一个疑问，可视化中存在“完全”（completeness）的概念吗？如果存在，对于一个没有解决的任务，如果我们可以找到它的可视化解，那么一大类问题都会存在可视化解。最后，Eades教授指出，数学推理或许不是可视化的良方，但它会对可视化的发展大有帮助。
图3. Eades教授介绍数学推理对可视化发展的重要性
Michael McGuffin教授指出，随着维度和类别的增长，图表数量将产生指数级别的增长（组合爆炸），如何自动从中选择用户可能感兴趣的图表是一个值得研究的问题。他提出一些中长期的可视化研究机遇，比如，更加自动化地提取可视化形式中的用户理解信息、指导线索、相关推荐，探索基于草图的图表规范，可视化查询语言，语音到图表的生成，自动完成图表规范等。
图4. McGuffin教授介绍可视化的研究机遇
廖方宇主任指出，大科学时代，科学家迫切需要可视化来帮助他们理解数据并作出决策，可视化将发挥重要作用。袁晓如研究员以“可视化是连接人和机器的纽带”为引，指出可视化可以分为两个部分，分别是理论和应用。对理论而言，要研究如何使用一些基本方法推动可视化的发展；对应用来说，如何使得可视化能够在具体任务中发挥作用。可视化中的关键技术，和可视化在别的领域的关键技术，两者有所不同。
图5. 袁晓如研究员介绍可视化理论与可视化应用的概念及相互关系
问答环节，大家都纷纷热情提问，学者们对于大家的问题都给予了有启发性的看法和建议。
图6. Panel 中嘉宾提问环节
接下来专题报告的主题是“面向新时代的可视分析”。来自悉尼大学的Peter Eades教授的报告题目是《How do you know whether your visualization is correct?》。以点边图为例，当数据规模小的时候，从可视化布局结果可以得到原始数据的所有信息。而当数据规模变大时，布局往往会有视觉混淆，导致原始数据信息的丢失，因而可视化结果的可信度(faithfulness)下降。如果一个可视化结果和原始数据是一一映射的关系，或者说可以从可视化结果中完全恢复原有的布局信息，那么这个可视化是可信的。在实际中，为了提高可视化结果的可读性，往往会采用采样，聚合等操作，导致结果的可信度降低。接下来，Peter Eades教授还介绍了针对大图布局的Shape-based评价指标。该方法在得到图的布局结果后，从中提取节点的位置集合，计算邻近图(Proximity graph)。邻近图可以使用K近邻、平面三角化等方法。最后比较邻近图与原始图拓扑的差异性来反应图布局的质量。接着，华东师范大学的王长波教授做了题为《面向新经济的大数据可视分析》的报告。新经济打破了行业壁垒，解决了信息的不对称。同时在新经济时代对大数据需求更大了。报告通过案例分析的形式，展示了新经济环境下可视分析的成果。王教授做了对于可视分析未来的展望，并归纳了可能的研究方向。包括可视分析经济大数据走向公众必经之路，需要更加轻量级应用（移动在线）、过程式交互分析中螺旋式探索发现、结合经济大数据场景设计易用系统分析。最后，国防科技大学的魏迎梅报告的题目为《面向新挑战的多层网络态势可视化与可视分析》。针对多层级网络分析网络的可视分析，需要将不同层网络中的关联节点对齐，从而有效展现不同层网络的通信关系。同时，为了发现网路中的关键节点，魏老师提出需要结合业务重要度以及结构重要度评价节点的重要度。针对大规模网络，还需要提取其中的骨干架构进行分析。
图7.悉尼大学的Peter Eades教授报告大图布局伴有视觉混淆导致可信度下降
最后进行的是大会闭幕式。大会主席王长波教授首先介绍了本届大会的参会情况。本次会议最后共计有518人参加。
图8. ChinaVis2018大会主席王长波教授总结本届大会参会情况。
接着是颁奖环节，公布了论文、综述、海报、挑战赛、艺术竞赛等的评奖情况。论文主席曹楠教授介绍了最佳论文奖的评选方法，北京大学赖楚凡等人的文章《Exploring High Dimensional Data Through Locally Enhanced Projections》获得最佳论文奖，中科院单桂华等人的《OccVis: A Visual Analytics System for Occultation Data》和清华大学的张明岽等人的《Visualization of Technical and Tactical Characteristics in Fencing》获得最佳论文提名奖。曹楠教授还宣布最佳综述奖颁给清华大学Liu Jiang等人的《Recent Research Advances on Interactive Machine Learning》。
图9. McGuffin教授和Eades教授为赖楚凡颁发最佳论文奖。
海报主席时磊研究员宣布北京大学李国政等人的《Barcode Tree: Scalable Comparison of Multiple Hierarchies》获得最佳海报奖，360公司李秋生《一个公开的企业内部威胁情报数据集》等工作获得最佳海报提名奖。
图10. McGuffin教授和Eades教授共同为李国政颁发最佳海报奖。
大会主席王长波教授宣布东北师范大学徐劭斌等人、重庆大学晏雁等人、中科院陈明毅等人获得本届360杯数据可视分析挑战赛一等奖，挑战赛主席赵颖教授和360公司黄鑫为获奖队伍颁奖。值得一提的是2019年挑战赛滴滴公司将参与题目设计，欢迎大家关注。
图11. 360杯数据可视分析挑战赛颁奖
艺术项目共同主席雪城大学徐瑞鸽教授宣布艺术竞赛收到来自19个高校的41个作品，艺术竞赛金奖由齐天怡的《视唱练耳和中餐馆》获得，并为作者颁奖。
图12. 徐瑞鸽教授为齐天怡颁奖
在ChinaVis2019的宣讲环节，西南科技大学吴亚东教授代表川渝连两地的筹备委员，介绍了将于明年在成都举办的ChinaVis大会的筹备情况、时间、地点等，并介绍了成都及其周边地区的风土人情，欢迎大家参会之余体验。
图13. ChinaVis2019成都组织成员
最后大会主席王长波教授感谢了众多参会者的参与，组织委员会的付出以及志愿者与工作人员的辛勤劳动，本次ChinaVIS大会也结束了。一路走来，ChinaVIS在北京、天津、长沙、青岛、上海举行，不断推动着可视化与可视分析事业的发展。作为中国可视化领域一年一度的学术盛会，每年的ChinaVIS会议不仅有全国的可视化专业人员的参与，还吸引了许多相关应用领域的专家学者及工业界的从业人员，已经成为了国内可视化研究人员交流和分享的重要平台，极大促进了国内可视化的研究与发展。我们明年成都见！
评论关闭。