2021年7月25日上午，第八届中国可视化与可视分析大会（ChinaVis 2021）在武汉东湖宾馆隆重举行。本次大会以“探寻真谛，可视创新”为主题，由中国图象图形学学会主办，可视化与可视分析专委会、中国地质大学（武汉）、武汉大学、华中科技大学联合承办，包括华为、奇安信等多家赞助单位协办。大会吸引了来自全国各地高校、研究院所和企业700余位参会代表，领域顶尖专家学者与参会代表共同探讨数据可视化与可视分析的前沿技术和未来前景。

大会主席中国地质大学（武汉）刘刚教授向到场的老师和同学表示问候，并介绍了到场的领导和嘉宾。中国地质大学（武汉）校长、中国科学院院士王焰新教授，中国图象图形学学会可视化与可视分析专委会主任袁晓如研究员，武汉大学资源与环境科学学院院长杜清运教授，中国地质大学（武汉）计算机学院院长王力哲教授分别致辞。随后，刘刚教授介绍了大会筹备情况。今年大会吸引来自海内外731人注册，青少年科普活动报名88人。

大会特邀报告

本次大会邀请了国际著名测绘遥感学家，中国科学院院士，中国工程院院士，武汉大学李德仁教授作大会报告。李德仁院士现任武汉大学测绘遥感信息工程国家重点实验室学术委员会名誉主任，地球空间信息技术协同创新中心主任，武汉市科学技术协会主席，武汉·中国光谷首席科学家。荣获国家科学技术进步奖（创新团队）1 项、国家科技进步二等奖 5 项、国家教学成果二等奖 2 项、何梁何利科学与技术进步奖 1 项、国际摄影测量与遥感学会“布洛克”金奖（最高奖）1 项。2012 年，国际摄影测量与遥感学会授予他“荣誉会员”称号，这是国际上该领域的最高荣誉，全世界仅有 10 人享此殊荣。

李德仁院士报告的题目为《真三维实景建模与可视化》。可视化和VR/AR技术是基于数字孪生的。数字孪生的基础是把所有的自然地物山水和在上面建的房屋、道路建模输入网络空间，再把物理空间中活动的各种动态要素，如人、汽车、物流，和自然变化的水、电、气、土壤等都数字孪生送入网络空间，这样才能实现真正的可视化和VR/AR多层面的显示。本报告主要介绍真三维实景建模的过程以及在此基础上构建纹理映射并实现可视化表达的方法以及具体的案例。

构建三维实景的第一步是对空间环境进行场景的采集，最常见的方式是通过倾斜摄影相机对空间环境进行拍照。早期的采集方式通过大飞机和大相机相结合的方式，具有大画幅，图像质量高的有点，但是设备仪器昂贵。随着小型无人机技术的发展，出现了无人机和轻小相机结合的摄影方式，具有设备廉价、采集方便的有点，但是相片数量大、数据处理麻烦。除了光学相机的采集方式，还有车载激光雷达的采集方式，精准度更高。对于三维场景数据的采集，多源融合，空地融合是未来的发展趋势。

完成了三维实景数据的采集后，需要对采集到的数据进行处理。其中存在的大量的技术挑战，包括图像中的大角度偏差导致像素特征变化较大，匹配困难；照片数量多，整体的稳定性和可靠结算楠，计算消耗大；超高像素分辨率图像中物体运动干扰更明显；影像和点云数据融合，设计不同的源和参数。针对这些挑战，由出自武汉大学的大势智慧开发的国产软件重建大师在这些方面取得了相关的成果，在大规模照片集的处理，高精度三维重建，大范围瓦块调色技术，点云和倾斜摄影融合建模等方面能够满足市场的三维重建需求，但是不少问题仍然存在需要不断迭代和升级。

三维实景可视化渲染技术除了对于三维场景的真实渲染之外，还结合VR/AR等技术来打破虚拟和实现的边界，帮助用户进行决策。李德仁院士介绍了基于实景三维和物联网技术的伪满皇宫博物院虚拟重建，实景三维建模与地质灾害损失评估结合的分析系统，国家新型基础测绘建设武汉试点项目应用展示系统，公安三维立体防控平台、敦煌壁画修复等三维实景重构案例。

最后，李德仁院士总结实景三维建模和可视化需要融合空天地海、室外和室内多源传感器，在数据采集、数据处理、可视化和引用服务，必须要实现技术国产化。三维实景建模与可视化的应用需要突破原有的局限，不断扩大在数字孪生万物互联时代的应用，为我国数字经济和智慧社会创造更大的价值。

圆桌会议

圆桌主题为“可视化如何在服务社会和国家中发挥作用”的圆桌会议。由陈谊老师主持的，五位嘉宾为吴冲龙老师，袁晓如老师，朱庆老师，王长波老师和王昉老师。

圆桌会议的开始是五位嘉宾进行围绕主题的简短演讲，首先进行演讲的是研究地质信息科学的吴冲龙老师，他为我们介绍了三维地质建模可视化的领域，地质建模是指研究地底地质特征，通过钻孔采样，重建地下地质特征，能够为城市建设，矿产勘探等方面提供巨大的帮助。地质建模困难之处在于地底数据无法直接获取，且地质研究的时空覆盖面标。同时吴冲龙老师还介绍了地质建模可视化在分析，设计，过程和决策等不同过程中起到的重要作用，并总结出了当前应用场景对地质建模可视化的要求可以分为快速，动态，精细和全息几点。在最后，吴老师感慨道，自己从85年开始投身这方面的研究，迄今已就36年了，但自己依然感觉只触及到了皮毛，他殷切希望在场的年轻人能接过前辈手中的接力棒，为未来的研究做出更大的贡献。吴其后，袁晓如老师也发表了演讲，袁老师指出，虽然大家进行的可视化研究涉及到广泛的方方面面，但都能在一定程度上为国家与社会做出了自己的贡献，随着当今数据资源的不断丰富，可视化迎来了更大的机遇与调整。袁老师展望道，可视化就如数据世界中的语言，也将会如同人类的自然语言一样，将在这个大数据时代扮演更加重要的作用。随后，朱庆老师，王长波老师以及王昉老师也就地理测绘，数字化经济大变革和中国的工业软件设计问题进行了演讲。

在演讲之后，是圆桌会议的问答环节，五位嘉宾在台上就坐，回答观众的问题。第一个问题是关于中国可视化技术被外国“卡脖子”的问题，这些“卡脖子”的现象主要出现在可视化领域的哪些方面？又该如何解决？袁老师首先就该问题发表了意见，他认为一些缺乏长期积累的领域是容易被卡脖子的薄弱之处，而要在当前环境下渐渐解决“卡脖子”的问题需要有更多的研究工作者乐于钻研，敢于坐冷板凳，更加注重长期的基础的问题。同时袁老师还提到，更加注重对知识产权的保护也能够进一步促进国内的创新，更快地解决“卡脖子”的问题。吴老师补充道，国外除了对中国进行技术上的封锁，在一些实验数据上也是拒绝和中国分享的。

而第二个问题是关于可视化的重要性是怎样在各个方面的体现的，几位嘉宾也认真进行了回答，总的来说，可视化的重要性不仅能在其必要性上体现，例如一些分析流程如果脱离了可视化就无法正常进行，可视化在另一些作为非必要部件的场景也是很重要的，可视化相对于原始的结果，就如优美的诗歌对比于平淡的文字，能够使得数据的表达更为优美，更加有效。

在圆桌会议的最后，五位嘉宾也给予了在会场的青年可视化学者们热切的希望，嘉宾们总结道，可视化的发展任重而道远，在这个数字信息的时代，可视化有无限的可能，但关键取决于在与在场的每一个人的持续付出与努力，嘉宾们希望大家能够抱有家国情怀，共同推进可视化社区的发展，共同贡献于祖国的科研事业。

专题：数字人文

本次大会的数字人文专题邀请了北京大学王军教授、西北大学温超教授、南京大学艺术学院陈静副教授、复旦大学陈思明副教授四位老师分享。

第一场报告中，来自北京大学的王军教授以《中国古代典籍的数据化与可视化》为题进行了分享。首先，王军教授介绍了“远读”的概念，即通过统计和可视化的方式代替传统的阅读。因此，数字人文与可视化是高度重叠的。中国数千年的文明积累留下了大量的典籍文献，如何将这些文献数据用智能化技术改造、用可视化方式展现，是一个极具挑战性的课题。接着，王教授介绍了人文数据的特点：类型多样、非结构化、数据量大和不确定性，以及用户需求特点：人文学者注重准确性；大众人文爱好者则倾向趣味性与沉浸式体验。最后，教授讲解了一些可视化案例：历代人物迁徙图、八种史志目录的类目演化、《朱熹年谱长编》的时空可视化和《宋元学案》知识图谱。在总结时，王军教授提出数字人文与可视化的结合是大势所趋，是学科发展的趋势。王军教授的文章也出现在2021全国高考乙卷中，这将使得越来越多的中学生接触到“数字人文+可视化”的概念，由此我们可以感受到两者交叉的良好前景。

第二场报告是西北大学的温超教授带来的《中国墓室壁画虚拟可视化》。中国古代的墓室壁画是中国古代丧葬文化的一大代表。温超教授以懿德太子墓虚拟可视化项目为例，指出了目前大众体验墓室壁画的最大问题是展品与原生环境分离，弱化了墓葬文化传达的整体性功能，因而可视化项目的核心任务是体现原始的文化遗产的沉浸感。针对这一任务，温教授团队从四个方面进行了可视化设计，即VR环境的数字化重构策略、基于艺术体验的三维虚拟环境构建、基于用户认知的三维场景交互设计和文化遗产VR虚拟可视化系统体验评价。最后，温超教授介绍了胡人俑数字博物馆的相关工作。

第三场报告由南京大学艺术学院的陈静副教授在线上带来，题目是《基于人机交互界面设计的非遗知识可视化研究》。陈静副教授首先介绍了研究背景和非遗知识特点：分散碎片化导致研究困难，模糊易变形导致传承困难，复杂且隐晦导致传播困难，与当代生活失联导致转化困难。如何对非遗资源进行高效整合与知识挖掘，打通工艺壁垒，确保准确传播知识的同时以清晰的可视化方式让用户迅速找到有效信息是问题的关键。陈静副教授团队通过建立非遗文化数据库、设计人机交互界面，用可视化方法实现了知识管理、知识生产与知识共享平台，将复杂分散的非遗知识以简洁的形式呈现在用户面前。

第四场报告是复旦大学的陈思明副教授带来的《政治与历史的可视分析与故事叙述》。报告主要分为社会学、政治学数据可视化与人文历史数据可视化两个部分。前一部分以2016年美国大选期间特朗普与希拉里的推特数据可视化、微博转发数据可视化为例介绍了社交媒体的可视化方法。第二个部分展示了北宋文人苏轼一生的可视化。这一工作用苏轼生活地离都城开封的距离变化映射其政治生涯的起伏，并对其诗词作品与所创美食进行编码。通过简单的交互，我们可以清晰地看到诗人不同的人生阶段中政治经历、诗歌创作的特点。

专题：叙事可视化

本次大会的叙事可视化专题邀请了微软亚洲研究院主管研究员王韵、同济大学石洋副教授、奇安信集团高级研发经理刘茜、苏州工艺美术职业技术学院马华副教授四位老师分享。

第一场报告中，王韵博士介绍了AI在Story telling中的应用，包括挖掘数据背景、数据洞察与数据故事的方法。常见的数据叙事包括可视化简报，数据动画，数据视频等等。然而，要制作和设计数据叙事有一定的技术门槛，需要人具备挖掘数据的能力，以及设计视觉的元素和整体布局的能力。微软亚洲研究院在IEEE VIS 2019发表的三个工作分别因应用在不同的故事叙述场景。Datashot通过数据表格自动化地抽取数据故事，生成Factsheet帮助用户很快理解数据的Insight；若用户已经知道数据中隐含的故事，可以使用Text-to-Viz定义数据故事，例如展示不同数据的占比关系；Auto-Extraction of Extensible Timeline的工作将图片作为设计模板建模，是一个基于静态Infographic的自动时间轴生成框架；Infomotion 是近期的最新工作，可以将信息图表自动转换成动画，以增强可视化的表达能力。

第二场报告中，同济大学的石洋副教授带来“可视化中的动画叙事设计”报告，数据视频是叙述式可视化的一种表现形式，以信息可视化、动态图形和文本描述相结合的方式讲述数据故事。通过数据视频能够有效展示数据事实、揭示数据内涵。在报告中石洋老师主要介绍可视化中动画叙事的设计空间，该设计空间主要包括两个维度，一是常用于传达数据信息的动画技术；二是由此类动画技术提供的视觉叙事策略，用于支持故事呈现。通过构建结构化的动画叙事设计空间，我们旨在为设计师创作数据视频提供设计指南，并为后续智能可视化生成工具的开发提供理论基础。

第三场报告中，奇安信集团高级研发经理刘茜汇报了“沉浸式地理时空可视化叙事的实践与探索”，奇安信集团研发的哥伦布系统是一款结合地图场景进行可视化叙事的工具，该系统采用沉浸式的地图承载地理数据，提供配置文案、加载媒体资源、绑定辅助图表和交互动画等功能进行叙事，通过镜头视角的切换推进故事，以直观生动的可视化叙事模式，传递有价值的信息。在报告中，刘茜以 Chinavis 大气污染数据集为例，使用哥伦布系统讲述近年来我国大气污染治理的故事与这套系统的一些设计思考。

第四场报告中，苏州工艺美术职业技术学院马华副教授为我们分享了医疗中的“叙事”方法探索，这是医生对病人做出精确、个性化的诊疗而不可或缺的重要信息来源。在叙事医学实践中，存在着缺乏沟通时间，缺少适合的“叙事”空间，缺乏有效工具等挑战与问题。马华老师从近年来可视化研究在叙事医疗实践的叙事内容记录、医疗对话、叙述治疗，医学教育等方面进行研究分享，这些工作使医生更为“接近”患者，并用“叙事”方法来与病患、家属和大众有效交流，从而共同做出有针对性地适合的医疗决策。

专题：科学可视化

科学可视化专题从特征提取，可视交互方法，以及当前领域所面临的的挑战等方面，邀请了四位讲者进行报告。

首先由来自中山大学陶钧副教授针对流场中流面可视化进行报告。在流场数据可视化方法中，流面相比于流线，具备一定的优势——对于流面来说，只需要少量的面即可表达出大部分的流场信息；同时，相比于流线，使用流面可以表达更加复杂的流场现象，例如折叠、扭曲、发散等情况。但是，流面同样存在技术难题，如种子线的选取自由度大，构建流面速度慢等；同时流面可能存在遮挡严重，本身不具备流场方向提示、难以追踪粒子轨迹等等问题。

陶老师从三个角度报告了他们针对流面进行可视化所进行的主要工作。首先是针对流面的选取问题。陶老师团队发现，使用沿副法向量选取流线种子的结果和使用优化函数寻找最优解的结果完全一致，因此确定了选取种子线的基本思路；同时，陶老师团队使用手绘交互，由用户进行层层剥离，生成流面，结构整体的流场数据，用于解决难以使用机器自动化算法解决的问题。其次，陶老师介绍了流面的构建方法。从最基础的在相邻流线之间使用三角形连接成为流面的方法出发，进一步提出针对旋转、分裂、汇聚等流场变化情况，及时调整流面生成方法；同时使用GPU线程束的概念，减少迭代次数，大大加速了流面的构建速度。第三个角度是流面的观察方法。由于流面可能存在严重的遮挡情况，已有工作进行了在流面上增加纹理、调整流面透明度等的方法，帮助用户更好地观察流场。陶老师则是将流面的空间结构投影展开到了二维平面上，并在保持空间关系和减少遮挡之间寻找到平衡点，帮助用户了解，原始的流场在复杂的局部所发生的事件和特征。在对于药物注射释放在血管流中的转移情况等流场分析应用中，陶老师的方法有显著的优势。最后，陶老师提出了部分当前仍然需要解决的问题，如何时停止对于流面的迭代算法，流场中的采样方法，以及GPU迭代和CPU迭代的各种可能性等。

第二个报告是由中国海洋大学的解翠副教授带来的针对海洋数据可视化基本情况。海洋数据往往由模拟数据和观测数据结合而得到。这样的数据存在天生的复杂动态过程，并由此带来各种挑战。解老师从海洋数据要素可视化和多变量分析，特征、现象、结构的识别与跟踪，时空模式发现，以及集合数据和模型不确定性探索分析四个角度，分别举例说明了各类科学可视化方法在海洋数据可视化中的应用。包含了使用GPU加速、2D-3D结合，多视图融合等方法，都可以帮助用户更好地理解海洋数据，分析各个因素的相关性。随后，解老师分析了当前分析海洋数据各个方面所使用的方法所存在的问题，并总结了当下所面临的挑战。在数据层面，超大规模、多源异构的数据需要融合和同化，而数据清理、组织和存储又是复杂耗时的工作，使得对于数据本身的处理面临多种挑战；在可视化方法层面，当前缺少专业的针对海洋数据的可视化分析工具，对于整体的把握、细节信息的可视化，以及交互和遮挡等问题，都需要针对性解决；同时，缺少高效的不确定性分析方法，以及学习方法聚类的解释性问题也是海洋数据可视化所面临的问题。

第三个报告由来自国防科技大学的王文珂副研究员为我们带来大规模流线的高效压缩技术方法。流线被计算出来后，所产生的的数据量相比于原始数据大小会有极大的翻倍，甚至超过100倍。这导致存储这些被计算出来的高精度流线存在极大的空间压力，给对于流线数据的压缩存储技术提出了高要求。传统的压缩方法压缩率低，有损压缩对于误差难以把控，同时这些压缩方法也忽略了流线本身的几何特征，因此需要改进。王老师团队采用B-spline进行拟合，并使用相交测试，保持流线原本的几何关系。王老师利用了B-spline曲线的简洁高效，并采用了分段技术，使得控制点个数在控制范围内；同时设计了专门的数据结构，最大程度低减少了存储开销，结果证明，王老师的方法在大多数情况下，可以大大提高压缩率，同时也能保证解压速度远小于重新计算流线的代价。

最后一个报告由来自中国空气动力研究所与发展中心的邓亮工程师带来深度学习在流场可视化中的应用。深度学习在流场中的应用主要有三类，即智能替代、流场表示，以及流场增强。邓老师从两个角度——流场旋涡提取和流场关键时间步选取，举例说明了深度学习在流场可视化中的应用。对于每种应用，都存在这局部方法、全局方法以及学习方法。局部方法往往面临着陷入局部最优解的问题，而全局方法则面临计算复杂度高，运行时间长的问题。采用学习算法则会遇到缺少标签数据集的问题。邓老师分别就两个应用角度，报告了如何克服使用深度学习方法面临的问题，并分别介绍了使用有监督和无监督深度学习区别。

专题：生物医学可视化

生物医学一直以来都与我们的生活密切相关，其也和可视化一直有着紧密的联系。本次ChinaVis共有四位嘉宾为我们带来生物医学可视化专题的报告，现场由燕山大学的郭栋梁副教授主持。

来自维也纳工业大学(TU Wien)的Renata Georgia Raidou助理教授首先为我们带来了对癌症治疗的可视分析的报告。在WHO 2018年的数据中指出，60%的癌症病人会接受RT治疗，而其中如何将计算力与专家的知识进行结合是主要的一个问题。这类任务的一个挑战是许多恶性肿瘤并不能被直观很好地去理解，而只能看到其中的一个切片。另一方面，由于病人需要经过长时间的治疗，需要通过技术手段看到长期之间的细节上的变化。在报告的前半部分中，Raidou助理教授介绍了一种技术手段：通过tSNE的方法进行降维，然后进行聚类以进行识别的方法对高维的肿瘤数据成功进行了可视化，同时借助显示的具体图像判断哪种划分方式更加合理。后半程的报告主要讲述了如何将应用这种方法在癌症治疗当中起到作用：当存在一定过去的病人的样本、而一个新病人的较少的样本时，可以通过比较与比对新病人与过去样本的相似程度作为判断依据。

第二场报告是由青岛大学的吕智涵教授为我们带来的《三维分子可视化与虚拟康复》。吕教授以东京奥运作为引入，阐述了可视化做得不好就会失去吸引力的事实，同时基于一项让玩家以游戏形式进行操作同时标注，由于人数的优势最终效率比领域专家更高的研究结论，引出了其在约十年前最初开展这一工作时的想法，即制作一款具有吸引力的游戏，让线上玩家通过玩游戏的方式去解决关于分子的科学问题。在开发过程中吕教授也逐渐转变目标和策略，最终将这一系统定位在了生物信息的基础教育，并将开发出的UnityMol开源，使得许多相关领域人士可以将精力放在分子的可视化形式与具体研究上，而无需考虑底层的开发。目前这一框架已经在法国具有一定影响力。报告的另一个主题是面向神经病人的虚拟康复。由于神经病人的行动能力较常人有较大差别，开发一套电子化的，面向特殊群体的系统显得至关重要。病人可以面向屏幕以游戏的形式做出动作，同时自动进行重心和平衡感的测量，帮助进行神经恢复等。这一系统的实现可以大大节约医护工作者的时间，与医患双方的金钱投入。

第三场报告由北京大学、北京智源人工智能研究院的马雷副研究员带来。在当今的社会背景下，机器智能与生物智能是可以相互启发和解释的，北京智源人工智能研究院联合北京市政府等相关机构，搭建了一个可视化平台，主要解决医学可视化中“能看清”的问题，希望从可视的角度对帕金森症等症状进行具体地解释。报告集中讲述了平台内以在大规模的集群上发挥图形平台的优势的算法。传统的图形学中常使用K-D tree 等方法产生层次包围核，这样的方法在层次和效果上得到了不错的平衡，然而在某些特殊情况下即使物体实际所占的空间很小，其AABB式碰撞盒占用的空间也可能非常大，这样会导致后续操作中带来困扰。而OBB的方法在判断相交等问题上相对困难，在现有GPU上的方法很少看到有使用OBB方案的。为此对于这种细长条的图源，马老师所在团队做了改进和加速，并可以扩展到具有这样的特性的任意图源上。目前这套方法已经被写入了NVIDIA官方中。报告的最后马老师抛出了一个问题供大家思考和交流：随着时代的不断进步，我们面对着更多、更好的数据，那么如何基于这些高通量、多模态、不同设备技术产生的数据做出更好的可视化呢？

第四场报告《健康医疗数据可视化》由北京大学健康医疗大数据国家研究院的周亮副研究员带来，这篇报告更偏向于医生实际医疗决策当中的一些内容。一直以来，可视化与健康医疗有很强的相关性，因为健康领域的人，无论是医生还是患者都不会轻易使用解释不清的模型来进行预测，即使其正确率达到了99%，这也是许多纯机器学习产品在该领域中失败的原因。所以可视化与可视分析在其中可以也必须做很多的工作，因为这样才有人在里面做主导的决策。在医学影像集合可视化中，用一条数据驱动的空间填充曲线遍历m维空间，可以进行降维将二维脑图集或三维心肌缺血的模拟数据在一维上进行可视化，而进行体渲染则效率远达不到相当的水平。而更多地要用到可视化的则是病案，尤其是中医的药方等是很难进行标准化的，所以需要将复杂的多变量多尺度的数据进行可视化。中医认为，许多病症外部表征差别很大，但是内部机理是一样的，所以给出的药方可能相差不多，在可视化的帮助下体现地更加明显。面对这种辅助工具，医生的反馈是很少能够通过这种方式直观地观察，可以看到一些平时看不到的东西在里面。此外周老师还介绍了虚拟现实手术技术、以及对大量定序、名词的表格数据集进行药物不良反应报告的可视化的技术挑战，以及基于眩光是前注意的这一研究结果，将眩光用在颜色之外进行额外编码的技术。最后周老师还为我们展示了使用频谱感知模型通过仅改变灰度而不改变颜色的方式来模拟观看距离的变化的技术。

专题：全球新冠疫情可视化

自去年新冠疫情爆发以来，每天都有大量的关于疫情的数据产生。同时针对这些数据也涌现出了大量优秀的可视化作品。此次新冠疫情专题共有5位嘉宾参加，分别给出了精彩的专题报告。会议由西南交通大学的滕飞副教授主持。

Ivan Viola的报告主要关注如何对原子级别分辨率的病毒进行建模。由于直接成像的误差和其他人为因素的干扰，所以Ivan介绍了一种基于规则的建模方法。之后针对新冠病毒这个具体问题，先简单介绍了已知的基因组和蛋白组结构，然后给出了将该建模方法应用到新冠病毒上的实例。不仅降低了误差和干扰，而且能够简化整个建模过程。

第二位讲者是来自澎湃新闻的吕妍主编，她从一个新闻工作者的视角来对疫情可视化提出了自己的感想。首先，吕主编讨论了新闻中的疫情实时地图的有关内容，说明了新闻中的疫情可视化需要实时性、多样性，同时在数据录入方面要有较低的门槛，以方便更多人参与数据的更新。随后，吕主编给出了整合报道的概念，即将之前的碎片化新闻整合到一块进行可视化呈现，能够总结出之前没发现的结论和问题。之后通过多个实例证明了这一点。最后，对疫情数据报道工作进行了点评，指出疫情数据可视化天然的重要性，同时指出现有的可视化有些还存在一些不足之处，最后又对中国的数据新闻水平做了一个分析和展望。

之后一位讲者是来自南京艺术学院的陈浩讲师。陈讲师先给我们讲述了自己在新冠疫情可视化上的工作，即刚开始绘制静态图，后来感染人数不断增加改用动态图，另外在重要的时间节点还可以推出一些视频。之后又提到了信息图形设计的概念，提出图解、图表、统计图、地图和图形符号等5种构成形式，最后又说明可视化不仅局限于数据，还可以对防疫知识等进行可视化，而后者更有利于知识对大众的普及。

随后，来自北京大学的袁晓如研究员展示了很多疫情可视化地图的相关工作，说明疫情中数据的可视化达到了一个临界点。随后，有给出了关于可视化工作的一些独到的观点——这次疫情是对可视化的力量的一次检验，是可视化为整个社会服务的一次重要实践。另外，可视化的数据收集是一个庞大而繁杂的工程，需要很多人共同努力完成。

最后一个讲者是来自中国地质大学（武汉）的方浩副教授，主要对自己的工作，即新冠疫情地图风险沟通效果的人类感知层面因素进行了较为详尽的介绍。报告首先介绍了风险学、地图学和可视化的相关背景，随后给出了观察眼动确定观众关注点的实验设计方案，最后通过实验发现暖色较之于冷色的优势性、分级地图较之分区地图的优势性同时得出混色方案参与者满意度最高，暖色方案的风险感知没有其他颜色方案高等结论。

专题：艺术可视化

这次艺术可视化专题由华中师范大学副教授郑达、同济大学副教授曹楠、清华大学副教授付志勇先后进行了分享。他们分别从艺术、技术以及设计理论方面阐述了对现代艺术与可视化相结合的理解。

在第一场报告《智能化时代的科技与艺术》中，艺术家郑达展示了他这些年的艺术创作，以及对于艺术领域内的人工智能与计算机视觉的理解。在最近几年，人工智能的发展给艺术的机制带来了新变化，艺术家也开始参与理解机器与人类之间的关系。教授首先展示了他近几年的三件作品，并从中梳理出人工智能背景下艺术的发展脉络。其中，第一件作品记录了一星期内鼠标在电脑屏幕上划过的所有轨迹，并随机而无规律地擦除一部分（如下图）；教授以鼠标追踪为工具，表达出人们日常工作与行为的消耗和无意义。第二件作品将监督下机器学习的结果应用到一系列机械装置中，通过机械装置的联合运动将学习结果以可视化形式展现。第三件作品将身体的各项机能数据上传至机器，令机器处理这些数据，以其独有的可视化形式呈现。在这三件作品中，人工智能从对人细微模式的功能性捕捉，逐渐转变为对人的数据的自主再表达；机器在人类艺术中开始获得自主性。郑教授提出，人工智能或其他技术对艺术而言，是一种新的感知，而并不是功能性的表达。计算机视觉更是其中的重要因素。艺术之意义来源于人的凝视与注视；而在现代，第一次出现机器与机器之间的“凝视”，它的机制与人类视觉完全不同。计算机以其自有方式将人类视觉不可感知的事物展现，它是机器“思考”的过程与媒介。最后，教授使用一句话作为总结：”Art does not reproduce the visible; rather, it makes visible.” 艺术的任务正是将不可见的事物以可见形式展现。

在第二场报告《智能视觉传达设计》中，曹楠教授从计算机技术实现的角度，讲述了信息可视化的新方向——智能可视化设计。可视化的发展历程可分为三个阶段，分别是科学可视化、信息可视化与数据分析（现代）、智能时代可视化。传统可视化是“小作坊”式的：根据具体的问题，由人进行可视化方法的设计并进行呈现。这样的方法在当今的海量数据中显得有些过时；所谓“智能可视化”就是总结可视化的生成规律，自动生成可视化设计。

设计是人类决策大量干预的过程，机器参与设计因而非常复杂。教授的实验室目前正致力于让机器完成自动数据可视化以及分析。在之前的成果中，机器可以完成设计草图前80%的冗余绘制工作（如上图），学习设计师的行为；通过不同的初始指标进行海报与广告的自主设计，这些设计与人类设计师的结果已经难以区分。但数据可视化的自主过程需要同时完成数据与图表的合理展示；为了完成自主设计，教授提出了设计空间的概念，将一次设计过程分解为不同的设计结构，使设计更加有规律可循。通过让设计师参与结构化的设计，教授不断优化其设计空间。最后，采用蒙特卡洛方法对设计结构进行搜索与估值，得到合适的可视化设计。

在第三场报告《连接多样化的合意未来》中，付志勇副教授讲述了未来设计理念发展的方向。如今的设计师面临着巨大的挑战；他们必须发挥其想象力，为与现实不同的未来提供设计，例如物联网、智慧城市等。在高速发展的现代，设计理念必须更加超前，具有更强的思辨性以考虑到各种可能。新时代的设计理念需要创意与想象力的拓展，以及更加多样的理论工具与方法，而这两者可以相辅相成。未来设计分为三个部分，渐进地分别为思辨设计、设计虚构以及设计未来。设计虚构通过对未来场景、人物等的设计提供不同价值的分析视角；设计未来通过对设计虚构的价值进行体验与批判，引发现实反思并给出改进。科幻故事是未来设计教育中的重要工具；教授实现了一个科幻故事生成器，分析科幻中的大量文本，分类整理出其中相似的思维脉络。

 

专题：可视化中的采样问题

在主题为可视化中的采样问题的专题中，有杭州电子大学的刘玉华老师，中南大学的赵颖老师，西北工业大学的刘乐老师以及山东大学的汪云海老师。

首先来自杭州电子科技大学的刘玉华老师介绍了他们在属性驱动的地理空间点数据采样上的工作，他们介绍了一种新颖的地理空间点数据采样方法，该方法能够在保持相对密度的同时也保持空间自相关性，空间自相关性是对一个点所在局部的点密度特征(local feature)和其邻域的点密度特征(neighboring feature)之间关系的描述，是一种在分析地理特征时的重要指标。在他们的工作中，他们对Z-order采样方法进行了改进，在对Z-order划分出的每个子集进行采样时，他们不使用随机采样，而是提出了一种新的算法，使得采样结果同时保持与原始数据相似的空间密度性质和空间自相关性，该算法计算子集中的主导局部点密度特征和领域点密度特征，以此来决定每个子集中最后采样出来的点需要满足怎样的特性，最后使用一种随机匹配的方法，从每个子集中采样出符合条件的点。

之后来自中南大学的赵颖老师介绍了他在IEEE VIS2019中获得Best Paper提名的图采样算法，在他们的工作中，他们注意到了以前在图采样算法往往会忽视图中的非主流结构，然后在许多场景下，这些非主流结构是非常重要的，所以赵颖老师通过用户实验，对几种类型的非主流图结构进行了归类，并设计了一个包括非主流结构检测，重要性评估，非主流结构节点筛选和周边节点筛选四个步骤的图采样方法，在定量实验和用户实验的证明之下，该算法确实能够对非主流结构的较好保留。赵

在接下来来自西北大学刘乐老师的报告中，刘乐老师介绍了他关于飓风不确定性可视化的工作。在他的几篇工作中，主要使用到的采样方法有两个，一个是对点的采样，刘乐老师提出了一种基于翘曲(warping)的采样方法，不仅能够取得较好的效果，而且用户能够通过调整翘曲之后的采样方法迎合各式各样的不同需求。另一个是对轨迹采样的方法，刘乐老师提出了一种分治方法，能够采样出具有代表性的轨迹。刘

最后是山东大学的汪云海老师介绍的多基于树形数据结构的采样方法，包括使用KD树对多类别的点数据进行采样，以及一种渐进式的采样方法。

论文报告：Sports, Art, and Literature

此次专题的文章涉及运动，艺术和文献等主题，工作来自北京大学和浙江大学的团队。第一场报告是是乒乓球序列数据可视分析。兵乓球运动每一拍都有不同的属性，涉及空间等属性，通过设计不同的图标展现。该工作首先获取需求，然后设计反馈，专家评审改进等。图标 的涉及将乒乓球桌进行位置切分，每次击球之间时间间隔没有做出分析。第二篇工作是来自浙大的关于操舞的可视分析。操舞之前的打分之前是比较主观模糊的评价方式，只能靠经验和感觉评价操舞。通过视频打分观看时间太长。该工作通过可视分析帮助评价视频中的操作。需求分析包括建立客观清晰的评价标准，如何进行个体和群体的评价，身体协调性和艺术性等。第三篇工作iPoet帮助普通用户根据古画创作诗歌。创作步骤包括提取景物并描述内容，明确情感（颜色）和创作诗歌。作者讨论了可视化设计中用户需求和专家知识的优先级，例如诗歌的创作是简单的押韵还是要遵循韵律的准则。如果工作是针对普通用户的，那用户的需求要放在首位。第四篇工作针对足球动态传球网络的可视化。受到局势的影响，足球传球网络是动态变化的。传统的传球网络分析中的静态的分析方式，包括聚合得到静态网络和矩阵的分析。该工作可以动态的选择不同的回合来观察不同回合的动态网络。最后一篇工作来自北京大学的文献数据集的管理。通过精心设计的聚类和基单元点的视图帮助用户进行文件的管理。

论文报告: Color and Design

第一篇论文由来自山东大学的赵勇威同学报告基于嵌入色彩的色彩优化。如何自动化进行颜色编码展示图像中的数据信息是染色中的一大问题，该篇论文的核心思想是在原始色彩表中插入一种或多种新的色彩，即嵌入色彩，来增强图像数据表达。嵌入色彩的嵌入位置选择，是根据数据特征和色彩可辨别性差异值来确定嵌入色彩区间，再引入参数系数控制嵌入色彩与原本色彩的距离转化为优化问题来确定具体的嵌入色彩达到最好的效果。

第二篇论文“Color-in-Fist”是针对徒手交互情景下设计的颜色选择器。论文中采用了海绵小球的隐喻，假想用户手中握着一块色彩海绵来控制目标颜色。用户手掌的旋转改变海绵的色相；抓握隐喻海绵内液体的多少，以此对应色彩的饱和度；手的远近对应色彩的亮度。通过这样的隐喻式的交互方式减轻了用户在色彩感知上的认知负担，以及减少了在徒手交互下的耗时。

来自华东师范大学的同学报告了“针对邻接色块下类别性数据的色彩选择优化”，他们的方法是计算两两色块的色差后将邻接色块归约为对偶图匹配问题来优化色彩选择，在选择的过程中同时根据对偶图路径上的灰度变化来优化色彩和谐度。

最后一个论文报告是一个来自浙江大学的用户实验报告，针对的问题是“什么使得散点图难以理解”。通过用户调研，缺乏图例、过多的视觉元素和数据规模较大是用户不理解散点图的三个变最主要原因。

论文报告: Urban Visualization

首先，来自南方科技大学的任浩林报告了”Hi-Geo-Ti：基于层次地理划分时间线的行人轨迹可视化分析设计“。行人轨迹时空数据结构复杂且数据量大，该论文为了进行数据检索、数据分析与展示的任务，使用了层次地理划分时间线的方法。方法首先构建了使用128维向量表示的行人特征网络，利用其进行数据扩增和数据检索，接着，对行人轨迹进行3D可视化，直观展示并发现事件。但由于行人轨迹过于复杂，且事件关联性不明确，传统的方法很难进行可视分析。文章使用了层次地理划分时间线，对地域进行分层，并在各个划分上展示时间线。

第二篇论文”FGVis: Visual Analytics of Human Mobility Patterns and Urban Areas Based on F-Glove”由来自东北师范大学的Jinghan bai进行报告。在把城镇区域映射为词向量的方法中，交通枢纽带来的噪声经常被忽略。本文希望提取交通枢纽，并消除其影响，为此，本文使用基于轨迹分布的关系分析框架，构建了多视图分析系统。方法首先提取轨迹特征点并分组，据此划分城镇区域，接着对轨迹进行建模，通过F-GloVe向量化城镇区域，构建协方差矩阵；最后，通过使用散点图、条形图、交通流图、地图等对区域之间的关系进行可视分析。

第三个报告为”Visual Abstraction of Large-scale Geographical Point Data with Credible Spatial Interpolation“。在对地理空间数据点进行采样的过程中，论文提出了插入驱动的采样模型，首先使用半方差捕获数据特征，然后结合z顺序采样和模拟退火算法进行采样。

最后，来自四川大学的刘尚松报告了”MulUBA: Multi-level Visual Analytics of User Behavior for Improving Online Shopping Advertising“。报告分析了网上购物广告的工作机制，并总结了不同的分析任务：识别比较不同的用户团体、发现团体中典型的子团体、发现具有特殊行为的个体等。通过聚类，数据被分为5个团体。在可是系统中，group behavior view、一个修改过的parallel set构成的subgroup profile view，基于修改的mosaic chart的user profile view，behavior pattern view等共同对用户团体和行为进行分析。

论文报告: AI4VIS

在AI4VIS中，来自浙江大学、中国科学院大学的同学进行了论文报告。前两篇的讲者都是来自浙江大学的何向阳同学，他的小组使用图神经网络分别完成了三维空间多变量数据的相关性分析，以及体素的半监督分类任务。在第一篇论文报告中，何同学指出传统的相关性分析难以良好地结合数值以及空间分布，因此他将多变量体数据转为图结构：令同一变量的数据值为同色点，以空间与数据联合向量的距离作为衡量，连接同色节点；使用同一数据不同分量间的共生关系作为衡量，连接异色节点。对于图结构中的数据，何同学分别进行两个步骤的学习：第一步称为”local learning”，使用图神经网络学习同色点内部的数据-空间联合相关性；第二步称为”global learning”，考虑先前的同变量相关结果，通过图神经网络学习得到多变量之间的相关性。

在第二篇论文报告中，何同学完成对体空间数据的分类任务。在数据量巨大的体素数据中，含有数量众多的冗余点，传统方法在分类中等价地考虑这些点而带来了巨大计算量和运行时长。何同学指出可以对体素数据进行预处理，去除冗余数据并将其转化为平面图结构。采用类似K-means聚类的SLIC3D方法，将语义相似、空间相近的体素聚类，构成一个个“超体素”。超体素的内部空间连通，相邻超体素之间以连续曲线作为边界，形成一张平面图。将各个超体素作为平面点，在边界相邻的超体素之间连接边，完成平面向图结构的转变。对其中一些超体素进行标签之后，使用图神经网络学习其中的相关性，最终得到了对所有超体素的分类模式，并可还原为对体素的分类。何同学还与其他一些主流分类算法进行比较，他的优化算法在时间效率和分类准确率上都显著高于其他算法。

第三篇论文报告的讲者是来自浙江大学的魏雅婷同学，她的小组设计了用于可视化设计的进化模型。可视化模型的自动设计需要同时考虑表达性和灵活性，但很多时候这两者无法兼得。魏同学提出了一种进化的操作模型，包括不同可视化设计的状态参数DTMV以及可视化设计状态转换时的操作序列。所有设计构成的空间是一个有向无环图，空间规模巨大；同时，每个状态的估值较为复杂，无法即时给出结果。因此使用专家系统预先给状态进行估值，并保持同一状态在估值中的不变性。这一类自动设计模型可以启发设计者将可视化设计工作分解为不同模块，并半自动地优化部分设计状态。

第四篇论文报告的讲者是来自中国科学院的邵凌丹同学。这一论文的内容与第三篇相似，不过它关注的是不同可视化模块/视图之间的平面布局，并试图自动优化它。设计者在多视图可视化的布局时具有相似的思路，邵同学总结出四个特征因素影响设计布局：第一种是视图本身的设计类型；第二种是视图之间需要重视的关联信息，可进一步地分为三类关联：对同一数据不同方面的特征探索(exploration)，视图间的主次包含与特征强调关系(focus)，以及视图间的比较关系(comparison)；第三种是设计者自身的偏好、职业和机构；第四种是不同设备的视口差异(Viewport)。同时，从几何与拓扑两个方面评估可视化布局：几何方面采用最大面积比MAR以及加权平均纵横比WAAR进行评估，拓扑方面采用水平排列、垂直排列和混合切片评估。在拥有评估方法之后，使用贝叶斯模型对303张图片进行统计，得出不同多视图特征与不同可视化布局之间的概率关系，进行卡方检验判断其中一些联系的区分度以及独立性。