第六届中国可视化与可视分析大会（ChinaVis 2019）于2019年7月22日在成都隆重开幕。 大会为期三天，从2019年7月22日至7月24日举办，邀请了国内外可视化领域知名专家学者就相关研究与应用的最新成果作大会报告、介绍研究进展、启发研究方向。会议包含了论文报告、海报张贴、圆桌研讨会、专题报告、可视化艺术展等丰富多彩的日程。大会由中国图象图形学学会主办，可视化与可视分析专委会、四川轻化工大学、西南科技大学、四川大学、电子科技大学、西南交通大学、重庆邮电大学和重庆大学共同承办，多家赞助单位协办。本届大会的参会人数、投稿论文数均大幅创下新高。
开幕式由程序委员会主席，西南交通大学李天瑞教授主持。他向到场的各位表示问候，并介绍了参会的领导和嘉宾。首先，四川轻化工大学校长庹先国教授作为嘉宾代表致辞，邀请大家前来交流。接着，四川省科技厅副厅长田云辉先生代表四川省科技厅致辞，欢迎了大家的到来，并预祝大会圆满成功。接下来，北京大学袁晓如研究员作为中国图形学学会可视化与可视分析专委会主任代表致辞。袁晓如研究员指出可视化是当前信息时代各国核心科技的竞争力，专委会立志于发展中国的可视化与可分析的理论技术，建设中国可视化与可视分析的科研力量。
可视化专委会主任北京大学袁晓如研究员致辞
接着，大会主席吴亚东教授、论文主席曹楠教授、综述主席夏佳志副教授、挑战赛主席赵颖副教授、艺术主席徐瑞鸽副教授和海报主席时磊教授分别介绍了大会各个项目的情况。本次大会论文数量再创新高，投稿131篇，接收38篇。综述投稿18篇，录用6篇。挑战赛共228个队伍，919人报名，119个队伍提交作品。艺术展投稿55份作品，入围16份作品。海报投稿35篇，接受31篇，并由专家讨论评出1篇最佳海报。
大会主席吴亚东教授致辞
本次大会的Keynotes报告的讲者是来自于德国Stuggart大学的Thomas Ertl 教授。Thomas Ertl 教授是可视化领域的领袖级任务。他介绍了具体集中在模拟数据、粒子可视化、高性能、文本分析、视觉查询和大型显示器可视化等方面的研究工作。Ertl 教授首先介绍了他在大规模科学数据可视化方面的工作。Ertl 教授指出声称，由于该领域较新，现在可用的方法只适合特定的任务，而能找到的通用方法较少。此外，也存在数据集太大导致的存储、传输或理解方面的问题。而有限的处理时间和屏幕空间也是可视化研究人员目前面临的难题。对于体数据，Ertl 教授引入了一种带误差控制的自适应体积绘制方法：它利用时间步之间的相似性来选择最重要的特征时间特征，同时还允许时间步的外推。该方法通过平衡质量和采样误差，很好地保持了交互帧速率。该算法的大多数计算在CPU上执行，总训练时间为0.015ms。Ertl 教授接着给出关于流场和气泡可视化的相关工作。Ertl 教授介绍了他们对二相流模拟和可视化的研究，其中二相是指气和液，这在雨滴形成模拟、食品加工模拟等领域中很常见。在他们的工作中，二相模拟数据被同时产生。这项工作最主要的挑战是将空间表示与时空图相结合，以及跟踪随时间变化的液滴动力学等。然后，Ertl 教授给我们展示了如何可视化多孔介质中的气泡形成。这些数据通常来自CT扫描。气泡的行为和分布影响材料的物理性能。该算法的大致思路是根据提取出的气泡和周围结构的相似性对其进行分组和聚类，从而使气泡的连通面可以由平面拟合。对于粒子数据集。Ertl 教授提出了一种基于Intel的Ospray在CPU上进行光线跟踪的算法。对于大型数据集，CPU的性能要比GPU好得多。Ertl 教授总结，大规模科学数据的可视化和可视分析仍然是一个挑战，需要结合新的方法。体渲染、流场、和气泡方法应结合在一起。应该把 CPU 和 GPU 结合在一起，才能发挥它们各自优势。最后，Ertl 教授展望了了未来科学可视化领域的一些挑战，如可视化与机器学习的结合、定量测量等。
德国Stuggart大学的Thomas Ertl 教授作Keynotes报告
随后举行的是可视化人才的成长与培养的主题讨论环节。随着可视化领域的不断发展，社会对可视化人才的需求日益增大。如何通过成体系的人才培养模式为可视化领域提供源源不断的后备力量，是与可视化研究同等重要的问题。本次圆桌论坛由来自国防科技大学的魏红梅教授主持，邀请的四位嘉宾分别是来自浙江大学计算机学院的陈为教授，西南科技大学的吴亚东教授，四川大学的朱敏教授以及中南大学的赵颖副教授。首先是他们对可视化人才培养的介绍。陈为教授对可视化科教协同历程进行回顾，从最初的暑期学校课程和计算机类选修课的开设，到数据可视化教材的出版，再到会议和比赛的举办以及国家重点项目立项。吴亚东教授为地方高校提供极具借鉴意义的CAPES人才培养模式，即集产学研赛一体的计算机类双创人才培养模式。朱敏教授对可视化课程“非标考核”的探索与实施情况展开介绍，认为脱离标准考试的“非标考核”应该被精心的设计，这同时也对教师提出一定的要求。赵颖副教授则以自身为例，提供一条从可视分析挑战赛开始的成长之路。随后是自由讨论环节。对于博士研究如何从应用中挖掘科研创新点这一问题，陈为教授简单总结了自己在指导学生科研工作的心得体会，包括可视分析系统的定位和学科交叉等方面。他强调说应该将系统视为大数据分析系统，而不仅仅是可视化工具。对于“青椒”如何走出科研低谷这一问题，赵颖老师现身说法，提出是多年的“沉淀”让他从应用中挖掘出科研的想法并作出创新的工作。
可视化人才的成长与培养的主题讨论环节
下午，多个论文报告、专题讨论等活动并行举办。
“时间序列可视化”论文报告环节包含4篇文章，由来自同济大学的助理研究员石洋担任主持。第一篇文章由来自中南大学的李影报告，她介绍了一种雷达交互式可视化分选方法，该自动化分选流程主要分为3步：分布函数估计、数据聚类处理、到达角处理。第二篇工作是面向系统辨识的火电控制时序数据可视分析，与火电控制领域专家合作完成。对输入输出变量属性探究，完成模型的综合评估。第三篇文章针对大规模的时序数据分析，来探索数据中的趋势，模式和异常。通过概率分析找到时序数据中的异常值，对时序数据进行层次聚类，使用树形结构和玫瑰图进行可视分析。第四篇文章由浙江大学的韩东明报告。 该工作针对时序排名集合数据进行可视分析，挖掘排名里面的模式和趋势以及影响整体排名的因素。
论文报告环节
论文综述环节由中科院深圳先进技术研究院的曾伟老师主持。5位作者在此环节分享了他们的论文。来自南京师范大学的同学，介绍了根据模拟空间的设计、参数空间探索应用的技术和特征空间的计算方法，对科学数据可视分析工作的归纳。来自中国海洋大学的老师根据任务和方法的不同，对海洋数据可视化的工作进行了分类。来自浙江大学的同学，分享了电网数据可视化中，对不同类型的数据，采取的不同可视化方法。来自中南大学的同学，介绍了根据基础可视化形式对时序数据可视化进行分类和根据任务不同分类不同的时序数据可视分析工作。最后一个分享的工作，综述了知识图谱的可视化形式，以及大规模知识图谱可视化和可视分析的挑战。
艺术专题由美国雪城大学的徐瑞鸽老师主持，由清华大学的向帆老师、上海大学的李谦升老师、密西根州立大学的高霞老师以及HOTSA创意便利店的郑越升带来精彩报告。向帆老师从自身经历出发，北漂和出国经历给自己造成的孤独感让她思考自己是谁，产生了追根溯源的动力，从而开始思考绘制家谱树。李谦升老师介绍了非遗技艺的可视化，对非遗技艺传承者和可视化工作者的不同工作流程进行分析。高霞老师则从环境问题的可视化着手介绍几个案例，相比于前两位老师，高霞老师的作品透露着浓浓的中国风和平面风格。郑越升是一名前端工程师同时也是一名设计师，他通过一些设计师的作品获得灵感并将其转化成一些有趣的应用，他提到信息可以在生活中的方方面面展示，要打开思路。
科学可视化专题的第一场活动由四位老师的报告组成。来自九州大学的Kenjio教授主要报告了基于拼接显示的大屏幕显示环境的课题。Kenjio教授首先回顾了已有的一些先进的解决方案，在此基础上，他提出了一种适用于多人合作的大屏幕显示环境ChOWDER。接着来自Intel公司的两名研究人员为我们介绍了Intel前沿的渲染器：Paraview和OSPRay。Aaron Knoll为我们简要介绍了当前Intel的渲染框架。接着他为我们详细介绍了OSPRay，它被很好地整合到了Paraview中。Aaron Knoll又以EDF数据为例，手把手地向我们演示了Paraview的使用。之后，来自Intel的Bruce Cherniak工程师为我们带来了OSPRay和OpenVKI的详细介绍。Bruce结合OSPRay渲染出的一些成果，介绍了OSPRay本身包含的很多优秀的特性，比如分布式帧缓冲，四边形网格等等。最后，来自天津大学的毕重科教授主要报告了基于机器学习的先进的地震预测方式。该算法主要考虑针对土地液状化的观测数据。为了平衡地震预测中的效率、精度和计算资源的权衡的问题，该方法设计了三种层次的模型以适应不同的情形。
美味的茶歇环节
科学可视化专题第二场也是由四位老师的报告组成。来自东北师范大学的张慧杰老师主要报告了集合向量场中的运动不确定性可视化。其主要的工作流程包含对不确定的量化和可视化两个部分。来自中国空气动力研究与发展中心的刘洋老师主要介绍了CFD中基于深度学习的数据缩减。解决方案主要包括基于生成对抗网络模型(GAN)的数据压缩网络构建和基于深度度量学习(DML)的局部相似度导向的关键时间步的选择。来自中山大学的陶钧老师主要介绍了流场的交互式探索方法，主要分为原始空间和抽象空间的交互方式。对原始空间的探索方式包含采用半自动的方式产生流面的渲染。基于抽象空间的方式则采用自编码器将流场表达为二维的流图，并在其中探索流场的特征。来自浙江大学的陶煜波教授主要介绍了多变量数据的关联分析。不同于传统的基于体素、变量、数值的分析方式，陶老师创新性的提出了基于特征的关联分析和基于特征子空间以及局部相关性的分析方法。来自南京师范大学的刘日晨老师主要介绍了基于多种子点自动推荐追踪的人工地震数据可视化，并针对性的提出了三种不同的解决方案。基于手动交互的算法采用体切割的交互方式。基于半自动的算法则采用了多次选择的渐进可视化的形式。全自动的算法则跟据用户指定的种子点自动生成全局推荐。三种算法都能有效的解决人工地震可视化中的难题。
在另一场专题报告上，四位讲者为我们带来了关于时空索引及可视化的精彩报告。来自天津大学的李杰老师为我们讲解了具有语义信息的数据立方体。除了时间和空间维度之外，李杰老师在立方体中添加了语义维度，增强了时空数据与语义信息的交互性。来自浙江工业大学的孙国道老师为我们带来了多个城市数据时空语义信息挖掘和可视分析案例，从真实的案例中为我们展示了可视化在实际应用中的不同需求。来自北京大学的刘灿博士生对他们今年IEEE VIS接受论文进行了介绍。他们提出了SmartCube —— 一种具有动态调整能力的数据立方体，能够根据用户的查询调整自身的结构，从而达到在较小的空间代价下实现高效的查询的目的。来自北京航空航天大学的时磊老师对于大规模时间稀疏轨迹数据的建模、推断及可视化技术以及实际案例进行了报告。时磊老师的工作建立了联合模型来判断目标物体是否在运动，并提高了原本算法对于稀疏数据的探索能力。
体育人文可视化专题请到了浙江大学CAD&CG实验室的四位老师和同学以及一位来自微软亚洲研究院的研究员为我们介绍了五项与人文和体育相关的可视化工作。第一位是来自浙江大学之江实验室的傅四维教授，他为我们介绍了他对于家族图谱的可视化表示的研究，这项可视化研究结果可以为社会科学研究人员的研究提供便利，可以直观的得到很多关于代际传播的发现。第二位为我们介绍的也是浙江大学的吴江，他的研究主要是致力于可视化的体现乒乓球比赛的过程以及其中的战术信息借以为国家队的乒乓球教练提供分析的依据。之后同样还有两位来自浙江大学的同学为我们介绍了她们小组相关的可视化研究题目与结果。曹安琪同学为我们介绍了她们借助可视化系统来对足球比赛的阵型进行检测并且使得阵型的时空变化在可视化系统中体现。谭思危同学为我们介绍了他们之前针对周琦的NBA之路的可视化分析，体现了周琦整体的战术和技术的变化，并且发现不足提出了展望。专题的最后我们还请到了一位来自微软亚洲研究院的王韵研究院为我们介绍她们的可视化研究新进展，她们主要是着力于分析怎么将一件事件的描述通过可视化来描述，并且通过半监督学习的方法，找到了最优的最吸引眼球的可视化分析表示形式。
文本可视化论文报告环节介绍了四篇文章。宋词研究文本关联与时空可视分析的工作不仅仅关注词作的情感、音韵、词频分析，同时结合词人的生平经历和历史背景，通过事件地图、创作折线图等从时空多角度地辅助宋词文学史的可视分析研究。LDA主题建模的可视分析系统工作主要针对优化字典构建和可视分析系统，支持用户交互迭代地主题建模。意见流的可视分析工作首先从文本中提取出意见，并评估其重要性，再运用话题转换模型来帮助用户分析不同社群中的意见流随时间变化和关系。文献可视化的工作分析20年的VIS论文，通过连线表现作者与机构的关系，用柱状图便于比较多个作者间的不同，帮助用户选择研究课题的可能合作者。
时空数据可视化论文报告环节由香港科技大学的曾海鹏主持，总共有四篇论文。作战行动的时空演化可视分析方法使用美军作战行动时间线和美军战争清单数据，分析了作战行动时空演化主题分析。第二篇工作尝试融合多元轨迹数据进行移动行为模式的挖掘。将轨迹数据在时间，区域和源目的地属性上构建张量，然后进行张量分解实现轨迹的聚类。第三篇工作的内容是将可视化适配到小尺寸屏幕上。作者采用类似照片拼接技术的方式，将相似的图像放到靠近的位置，从而完成了线形的压缩。第四个工作的内容是使用共享单车数据进行交通小区的划分，通过聚类建立交通小区中心，用以帮助深入理解城市交通区块。
此外，企业展览和艺术可视化展览、摄影展也如期举办，吸引很多参会嘉宾驻足了解。
评论关闭。