第七届中国可视化与可视分析大会(ChinaVis 2020)Day 2

11月2日是中国可视化与可视分析大会(ChinaVis 2020)的第二日。本日在陕西大会堂各个分会场举办了涵盖各大热点研究话题的专题报告、数据可视分析挑战赛分享会、以及若干论文报告。内容精彩纷呈。

数据可视分析挑战赛

获奖作品交流分享会及颁奖仪式于2020年11月2日上午在陕西大会堂举行,由复旦大学陈思明研究员主持。

复旦大学陈思明研究员主持数据可视分析挑战赛

在会议的开始,东北师范大学的张慧杰教授介绍了赛事的基本状况。本次赛事获奖率为35%,最终分别评出一二三等奖及优秀奖获奖作品2,5,8,12个,其中一二等奖作品也在网上进行了公开展示(http://www.chinavis.org/2020/challenge.html)。

第一个进行分享的,是获得一等奖的来自北京数字观星科技有限公司的王庆红团队,他们的作品是深圳市疫情可视化分析系统。

病例特征分析模块 深圳市疫情可视化分析系统 王庆红 等

较为令人印象深刻的是,该团队在病例特征分析模块上的设计。在他们的作品中,病例特征分析模块是一个类似显微镜的布局,隐喻为“显微镜下的病毒生长情况”;中间区域以力导向图展示病例传播情况,时间越早的病例被放在更靠近中心的位置,传染源传播出的病例数越多,其所代表的结点的半径将更大,寓意着“病毒的生长”;在外围的两个圆环,类比于“显微镜的旋钮”,在这里可以对病例进行筛选;同时该视图提供鱼眼放大工具,类似于显微镜更换高倍镜从而细致观察,可以对特定病例进行细节分析。该可视化设计在保证基本功能便于使用的同时,也加入了符合情景语义的设计,帮助用户构建符合场景的心理模型,能给予用户更多参与感与代入感,也自然地为用户的操作提供了隐式地引导,兼顾科学性与艺术性,是值得学习与借鉴的。

第二个获得一等奖的团队是来自天津大学的李泽宇团队,与之前王庆红的团队关注的疫情本身发展不同,李泽宇的团队将注意力集中在了对疫情期间的舆情演化分析上。他们从各大数据网站与新闻网站上收集数据,意图对数据进行分析,探索疫情发展的阶段性,关注舆论与民众情绪变化,并挖掘特殊的热点事件以及研究其演化模式,最终他们也的确带来许多有趣的结果。

病例特征分析模块 深圳市疫情可视化分析系统 王庆红 等

他们作品的亮点之一在于作品中Galex主题地图以及WordStream对舆情发展的展现。这两个可视化的设计均来自于天津大学在VIS以及EuroVis发表的论文,其中WordStream使用词云结合流隐喻,能够同时展示整体以及多个分类下的高热度舆情主题词,也能够在在时序上或在多个主题之间进行对比,十分直观。而Galex主题地图使用PCA+UMAP进行降维,生成了效果良好的舆情地图,并配合聚光灯,等高线,词别演化分析器以及事件检视器等组件,允许用户快速寻找兴趣点并方便地进行下一步的探索。

在这些可视化设计的配合之下,他们的可视化作品成功地叙述了许多有趣的故事,例如可以清楚地看到从国内疫情高峰期到渐渐平息再到国外疫情爆发的民众话题点,可以发现日本钻石号邮轮的舆情一直贯穿了疫情的前期,也能发现国内舆情主题经历了一开始“封城”,“病死率”,“疫情”等反映了恐慌情绪的主题词,到“解放军”,“试剂盒”等反映了国家的行动力的主题词,最后到疫情平息的“英雄”,“解封”等关键词的过程。

在一等奖团队分享之后,获得二等奖的团队也逐一对他们的参赛作品进行了分享,他们分别来自北京邮电大学,重庆大学,信息工程大学及来自金融壹账通公司。其中有许多有特色的内容,例如北京邮电大学的李素雯团队将政府网站公告的病例轨迹文字信息可视化,为用户提供了一个直观方便的病例轨迹查看工具,并且她们与新华网进行合作,将项目部署在新华网上向公众提供服务,最终该项目的总访问量达到四百万。她们的作品,也提供了一个可视化是如何为社会做出贡献,为人们生活提供帮助的案例。

专题:科学可视化

来自中国空气动力研究和发展中心的王昉高级工程师首先总结了科学可视化发展的现状。科学可视化的发展源远流长,但几年来其发展进程滞缓。科学可视化在常用的算法设计和应用中的挑战基本被攻克,而领域内最为困难的问题仍然难以解决。因此,近年来科学可视化的研究方向主要包含针对大规模数据的处理以及和国外对标的商用软件开发。来自多所大学和科研机构的专家学者分享了精彩的专题报告。

来自天津大学的毕重科副教授带来了名为《台风路径可视化》的报告。针对台风可视化的已有相关工作通常利用台风路径和环流数据(风场),采用机器学习技术进行有效预测。而结合上述两种数据的工作则引入了庞大的计算代价。本次报告中提出了一种结合台风路径数据和风场数据极值分析台风路径的新方法,有效地降低了计算代价。该方法训练一个基于轨迹数据的LSTM模型和三个基于环流数据的LSTM模型,并进行结果融合和增强,得到了针对台风的6小时登陆点的高精度预测结果。

来自北京应用物理与计算数学研究所的肖丽研究员带来了名为《高性能科学与工程计算可视化与可视分析共性软件研制》的报告。随着科学技术的发展,高置信度科学数值模拟的需求(精细化建模、多物理耦合、超大规模计算等)为可视化和数据分析带来了三大挑战。具体来说,大规模科学计算应用复杂,物理机理表现难;且精细化建模模拟数据规模大,交互力弱;同时需求多变,系统功能响应慢。针对上述挑战,报告提出了一种新颖的可视化和可视分析软件平台TeraVap,支持数值模拟高效率地产出解决方案。该平台包含面向复杂物理机理高表现得多数据融合可视化框架、匹配于高性能计算环节的性能优化方法、基于定制和复用的可视分析应用新模式。

来自中国空气动力研究与发展中心的赵丹高级工程师带来了名为《NNW-TopViz流场可视化软件建设进展》的报告。报告指出流场可视化软件提供流畅科学模拟数据分析的工程化平台,包含可视化算法、人机交互和软件工程技术。TopViz流场可视化软件采用分层的体系结构,分为表现层、连接层、业务层和基础库层,使得软件更具可扩展性。TopViz流场可视化软件支持主流格式流场数据读取和管理,支持面向人机交互的流场可视化分段管线定制和管理,支持流体动力学的流场特征(激波、涡旋)提取算法和大规模并行可视化。TopViz流场可视化软件预计于2021年面向全国发布。

TopViz 软件平台

来自中国科学院计算机网络信息中心的单桂华研究员带来了名为《超大规模粒子模拟的原位可视化》的报告。可视化原位处理不仅需要保持高可扩展性,还需要尽可能少占计算资源,且仍然需要保留特征。报告针对常见的N-body宇宙结构模拟提出了基于概率密度分布的原位特征提取数据压缩算法。在原位预处理阶段,该算法首先采用K-d树进行粒子划分,并采用高斯混合模型进行数据拟合,同时进行模型评估和再优化。在后续处理和分析阶段,该方法对于高斯混合模型得到的特征数据采用蒙特卡洛方法进行重构。该方法具有压缩率高、资源占用低、高可扩展、误差小的优势。

专题:生物成像可视化

脑科学是国内外研究热点,理解大脑电活动可以帮助理解认知和行为之间的关系。脑数据的研究依赖于脑成像数据,不同的脑结构处于不同的尺度空间。例如人脑处于宏观毫米尺度,鼠脑处于介观微观尺度,鼠脑皮层处于微观纳米尺度。不同尺度下多样的数据特征可以引出不同的分析任务,需求多种先进的可视化技术,以有效地解决数据分析的需求。

宏观尺度下,针对人脑海马的研究是一个重要的研究方向。人脑海马的可视化基于高角度分辨率扩散成像数据,采用张量场交互式可视化技术,进行海马区域信息传递分析和验证。电子显微镜成像的病理学数据同样支持人脑海马的研究,采用神经纤维缠节检测和定量统计分析不同海马区域单位面积下数量度量方式能够有效助力于疾病(例如PART和AD)的差异化分析判定。

介观尺度下,对于小鼠大脑的荧光成像数据全脑尺度可视化具有很大的挑战。该数据在一立方厘米的空间中具有80亿采样点,数据量庞大,针对这类TB级别数据可视化需要采用先进的渲染数据管理技术。数据分块和压缩算法能够提升数据访问的效率,多分辨率混合绘制技术通过生成不同细节程度的数据表达,动态依据当前视点确定选用不同层级的数据加速渲染过程。光线投射体绘制过程中的空块跳过技术能够有效地支持提升绘制效率。数据的I/O同样影响计算的效率,报告中采用方法实现了按需载入的I/O策略,通过首先访问显存查看是否当前所需要的数据块,若缓存未命中再进行磁盘载入、解压映射,并传递给绘制程序。进一步地,该方法采用Sort-last并行体绘制策略实现多机并行体绘制提升绘制效率。

冷冻电竞数据可视化

微观尺度下,针对冷冻电镜数据的分析关注于针对生物大分子的可视化,基于三维绘制、突触、高尔基体特征提取等技术。报告中提出的方法基于B-S架构,基于网页端的可视化便于分享,能够实现知识传播和科普。该方法提出了一种基于容器的服务器端渲染方式,能够动态地根据不同容器的负载状态分配任务,减少等待时延。该方法支持支持数据重构,进行中间结构的数据可视化。例如进行数据标注后三维数据重构,进一步进行混合网格绘制。

总的来说,脑数据可视化面临数据量大、特征结构丰富以及潜在数据质量不高、噪声较大、难以分割的挑战。脑数据可视化的研究领域中,大规模数据可视化、三维结构建模、与功能数据/模拟结合和沉浸式可视分析是未来可能的研究方向。

针对分子空腔结构的研究和分析是人类对于埃米级微观尺度下探索的重要研究领域。探究对于分子腔洞结构的研究颇具实际意义,能够解释空间物化特征、解释已发现霉分子探测 新酶分子过程、帮助进行分子识别、发现构造药物分子结合点、揭示传输机理等。分子空腔结构的分析困难重重,主要在于分子运动引发的分子空腔结构的时序演变。

对于分子腔洞的可视化和分析主要分为三维空间的可视化方法和非空间的可视化方法。基于三维空间的可视化方法需要绘制分子结构的作为背景。对于分子结构的可视化通常分为骨架结构可视化(线性、棍棒、球棒模型)和分子表面可视化(范德华球、Gaussian、SES、LES)。为了解决分子腔洞和分子结构的视觉重叠问题,已有工作通常采用分子形状增强可视化技术,例如镂空、增强光照和环境光遮蔽。这类方法对于浅层结构的展现具有良好的效果,而对于深层结构的分析仍然具有一定的挑战性。另一类方法基于非空间可视化,即通过将分子腔洞投影到二维空间进行可视化,例如长度-宽度曲线图表形式可视化,能够更有效展示分子腔洞的知识,同时支持进一步拓展描述氨基酸的行为。这类方法往往关注于分子腔洞的静态结构,动态地腔洞收缩变化会导致视觉交叠、位置偏移。

基于上述已有工作,报告中提出了三种新颖的分子腔洞可视化技术。分子腔洞拓扑特征定义可视化技术通过将分子腔洞中原子编号后生成路径图,绘制出近似拓扑序列-宽度的曲线可视化。该技术与对于不同氨基酸会发现有不同的分子腔洞模式,支持发现上述空间曲线聚类分析方法难以发现的特征。基于机器学习的分子腔洞模式分析技术基于分子腔洞特征向量化的思想。该方法流程具体涉及空腔提取、特征向量化、t-sne降维可视化、聚类分析,进而深层探索拓扑相似氨基酸内部结构的不同。时空多尺度分子空腔可视化与可视分析则考虑多层次、多角度下的分子空腔分析。该方法将时间尺度分解为全局时间、局部时间片、单个时间片,将腔洞空间尺度分解为全部腔洞、单个腔洞、腔洞局部片段,针对不同的尺度下分别设计图表进行可视化。该方法对于单个时间片、局部空腔采用三维可视化形式探究细节,对于其他时空尺度采用例如扇形图、线图、流图等详细描述时空分布特征,支持用户多层次可视分析。

专题:新颖交互与设计

第一位讲者是来自于西交利物浦大学的俞凌云教授, 她给我们报告了《用于三维可视化的交互技术与界面》. 交互技术对于数据可视化至关重要. 讲者将交互方式分成四种: Touch/ Pen based interaction, Tangible interaction, Mid-air gestual interaction以及Hybrid interaction, 并总结了各种方式的优缺点. 具体到三维数据的交互任务,尤其是在进行更精确的交互时,更具挑战性。为了迎接挑战, 讲者提出以下几种智能交互方法, 包括: 1.利用屏幕边缘触发交互 2. 有形交互 3. 手势交互以及 4. 这几种方法的有机结合. 讲者认为, 如何将人的交互和数据属性结合, 是未来三维数据交互的研究方向.

随后是来自于宁波诺丁汉大学的孙煦副教授, 其报告题目为: 《交互设计在交通运输中的研究与运用》.交通运输是研究交互系统使用的丰富而复杂的领域。由于驾驶者、乘客、驾驶系统和驾驶环境的多样性对交互设计提出了各种挑战。讲者关于运输和出行的一些创新设计观点及案例进行了分享。 在第一个案例中, 孙煦提出了使用人车绿植来解决晕车问题. 第二个案例是个性化人车情感交互, 其中包含汽车电子宠物, 游戏互动等, 用以提升驾驶体验.

以上都是设想场景. 为了实现目标, 孙煦老师团队做了许多工作, 包括: 自动驾驶场景和自动驾驶空间的搭建, 用户需求分析、 车载室内设计等, 并构建了各种驾驶接管的认知模型和理论模型, 使得用户得以与数据进行交互.

之江实验室的傅四维研究员就面向可视化的自然语言界面(V-NLI)作出报告”Quda: Natural Language Queries for Visual Data Analytics”. 在V-NLI的设计决策中, 自由文本的识别分析任务至关重要。然而,由于人类语言的多义性和复杂性,这一工作充满挑战。讲者提出一种新的数据集Quda. 通过专家创作+众包工人的方式构建了同义句语料库, 在此基础上用训练和评估前沿的多标签分类模型,帮助V-NLI从自由形式的自然语言中识别分析任务。在评估部分, 讲者还将Quda和基于规则的NL4DV进行了比较. 实践证明, 基于深度学习的方法无论在准确性还是可扩展性上都具备更多探索的价值.

之江实验室面向可视化的自然语言界面数据集

北京邮电大学的李铁萌副教授给我们报告了《徒手交互与可视化》. 一开始, 讲者阐述徒手交互的研究动机: 当我们使用大尺寸显示墙操作的时候, 传统的鼠标或者触摸交互只能触及到局部. 为了看到全局的视角, 我们需要远距离进行操作. 所以, 传统WIMP界面范式及键鼠交互已不能满足新型可视化场景的交互需求. 另外, 虽然现在科学可视化中已经有很多三维数据的交互方法, 但信息可视化因其自身图形小、 离散分布等特点, 不能直接套用, 针对信息可视化图表的交互也是一个亟待解决的难题.

讲者介绍了徒手交互的基础技术和设计思路, 尝试在平面端实现不同的交互功能, 并给我们展示了几个有趣的例子, 比如为了降低工人学习成本而实现的VR交互系统、MR中的散点图矩阵等.

金融可视分析

金融可视分析专题报告讲者包括来自微众银行的高级研究员李权及其团队,创新工场人工智能研究院的研究员岳轩武,以及天津大学智能与计算学部的助理教授牛志斌。三位讲者结合金融领域的实际需求,报告了他们在金融与可视化结合相关方面的思考与探索,包括金融风控全流程与可视分析的结合,如何开展金融可视化研究工作,以及可视分析在金融监管方面的应用。

第一个报告是关于金融风控,尽管大众很少接触这一名词,但实际上金融风控与我们息息相关,例如理财,贷款等等。金融风控具有重要的战略意义,能够有效的帮助反欺诈,反洗钱等任务。金融监管领域需要结合领域专家的知识与经验,同时提供对于模型和策略的解释,保证模型的合规性,因此金融风控是一个可视分析很适合的应用场景。

李权及其团队成员主要从贷前授信决策,贷中风控策略监控,贷后风控策略表现分析三个方面介绍了可视分析在金融风控全流程中的探索与实践。贷前可视化针对的问题是“贷款前决定是否贷款给相应的客户”,在这个过程中,主要是可视化机器学习的整个过程,使得训练过程能够结合领域专家自己的经验,提高模型训练效率以及效果,同时训练完成之后进行解释,支持领域专家的进一步确认以及验证。贷中可视化主要用于监控风控策略以及反欺诈,从而实现及时地响应;贷后可视化是从金融数据中挖掘有价值的决策特征,为后续提供进一步地策略升级,以及风险画像分析,从而挖掘数据的价值便于进行精准的广告投放和开发金融产品。在这两个过程中,可视化能够融合领域专家的经验,建立人与机器共同的桥梁,从而提高决策的效率以及有效性。

金融数据可视化

来自创新工厂人工智能研究院的岳轩武研究员的报告主要介绍了什么是金融可视分析,其次他认为目前金融数据可视分析方面研究工作的不足主要体现四点:第一现有工作所针对方向非常局限,主要是关于股票和市场等,第二针对某一个方向没有系统的研究工作,第三大部分面向领域专家的分析系统,以及第四受到数据隐私等方面的限制。同时金融可视分析领域也存在着背景知识复杂,金融数据量规模大且多样等方面的挑战。岳轩武研究员介绍了其在金融可视分析方面的两个研究工作,分别是针对比特币的交易数据的分析,以及量化投资组合的分析。接下来介绍了在工业领域和学术领域的一些值得探索的问题,包括异构数据和非结构数据的整合,如何将动态图与时序数据分析相结合进行分析等等,最后岳轩武展望了金融可视分析方面的研究方向,包括多级市场的分析,交易策略分析,资产管理系统等等。

天津大学智能与计算学部的助理教授牛志斌报告的是可视分析在金融监管领域方面的应用,牛老师首先回顾了金融发展的三个阶段,指出我们当前处于信息化金融到智能金融转换的历史阶段,在金融科技发展的新阶段,金融监管的成本越来越高,并且传统的监管技术也无法满足当前的需求,因此需要引入更加智能化的手段,完善和发展基于数据驱动的监管技术,从而适应当前发展的需求。他们的工作调研了在金融领域以及可视化领域在监管方面的工作,并且构建了网站“regvis.net”,接下来,牛老师介绍了两个方面的研究工作,第一个工作主要是理解担保网络,分析担保圈行为,第二个研究工作主要是预防金融中存在的风险扩散行为的研究,提出新的风险度量方法以及理解分析存在的风险传播行为,例如具体的传播模式等,最后,牛老师在智能监管,智能运营,智能投顾展望了金融可视分析在未来的发展。

当日上午的关于金融可视分析的专题报告从金融领域中具体的应用场景出发,介绍了金融可视化的发展,以及对于未来可视化发展的展望,相信可视化可以在金融方面扮演着越来越重要的角色。

专题:智能教育

来自联想研究院的武亚强总监为我们分享如何提高教学效率的思考,包括教育相关的应用场景、数据,例如帮助老师统计和分析成绩、错题,了解学生知识掌握的薄弱点,以及结合NLP技术可视化学生作文的佳句,结合语音处理可视化学生英语朗读水平,结合知识图谱可视化学生学习的过程,结合大数据可视化学习质量、毕业去向、出勤率,构建交互式的可视化智慧课堂工具。

来自华中师范大学的周东波老师介绍“智能云端——一体化学习与可视化”,判断人的学习情况和学习状态,学习资源和线上学习的教育管理,通过地图的方法层次化组织知识体系,基于地图分析发现学习特征,如应用地图的点聚类分析、线特征分析、面融合与缓冲区分析等,实现学习活动的时空演化,构建学习者的学习习惯,以及区域教育评价的可视化,特殊儿童的可视化教育系统。

来自西安电子科技大学的王泉副校长带来“人工智能+教育”的探索与实践报告,分享疫情期间线上教学的问题和困难,如何进行教师、学生的监督和评价,如何围绕学生进行个性化的教学,制定学习计划和目标,为可视化研究工作提出的需求场景。

专题:可视化与人工智能

可视化与人工智能专题报告由西北大学的李康副教授主持。人工智能的高速发展,为提高信息可视化的效率提供了新的思路,可视化技术也是目前求解人工智能可解释性和可信性问题的重要工具,两者的有机结合是大数据智能领域的热点研究方向。

来自微众银行的李权高级研究员介绍了可视化技术在模型开发与解释方向的一些应用。传统的机器学习得到的模型让人难以理解,使用可视化构建人机交互的界面,可以构建人与模型之间的桥梁,帮助解释机器学习,让人知其然也知其所以然。在机器学习的流程中,可视化可以帮助探索数据集,帮助训练、测试、比较模型,以及模型部署后的进一步调整。李权团队将可视分析与可解释性应用到多人在线战斗竞技场游戏中,基于一个预测游戏局势(如碾压局、翻盘局、均势局)的模型,设计了一个可视化游戏局势分析系统,为分析人员提供更灵活的模型输入以及可解释性输出。

来自华东师范大学的李晨辉副教授讲述了基于深度学习的编解码网络在信息可视化领域中的应用。在编解码网络中,编码器将高维数据编码为隐空间中的向量,解码器再将向量解码为原数据。在可视化动态数据时,会出现数据缺失、视觉突变等问题。为了解决这些问题,GenerativeMap使用GAN(生成对抗网络)将热力图编码至隐空间中,在隐空间中对两张热力图进行插值,再进行解码得到热力图,从而做到两张热力图之间的平滑过渡。李晨辉老师还介绍了另一篇工作VisCode,VisCode基于深度编解码网络,将可视化图表和二维码编码为包含编码信息的可视化图表,可以从中解码出二维码中的信息,该工作考虑了可视化图像的视觉显著性特征,在支持大规模编码和解码信息的同时,降低了由编码引起的显性视觉损失。

VisCode的流程图

来自微软亚洲研究院的王韵主管研究员介绍了自动设计信息图表相关的研究,包括如何自动化地抽取数据故事,如何实现数据信息图表的自动设计,探讨AI技术在信息图表设计中的应用。信息图表比于文字,能让数据故事变得引人入胜,达到有效沟通的目的,但是从数据到信息图表,需要数据分析与可视化设计,这是需要很多专业人员花费大量时间来完成。王韵主管研究员以三篇工作为例,介绍两种重用已有的设计和生成新的设计两种解决方法。第一篇工作是对于时间线可视化的设计,使用深度神经网络解构图表设计的元素,从而进行重用。第二篇工作Text-to-Viz,用户输入文本后,系统对文本进行语义分析,抽取关键信息来得到可视化的表达,并进行筛选,最终得到可视化设计。最后一篇工作在Text-to-Viz的基础上,可以完成对由信息图表组成的Fact Sheet的生成。

Text-to-Viz生成的信息图表示例

来自浙江大学的韩东明博士生介绍了嵌入技术在图可视化中的应用。嵌入是在低维空间内寻找区域,可以满足高位空间的性质,而降维是对高维空间的一个压缩。图嵌入的经典方法有随机游走,图核,机器学习等。韩冬明博士生介绍了一个针对大尺度图数据的高效可视分析系统,该系统使用图嵌入对图数据进行向量化的表达,可以帮助快速查找相似子结构。在用户选择或者自定义一个实例后,系统进行相似结构的查询,并进行可视化推荐。相比于传统的基于拓扑结构的查询方法,该方法可以预计算节点相似度,提高了在线查询的效率。

专题:可视化科普

可视化科普论坛由西南交通大学的滕飞教授主持,一共包含四个精彩的报告。科学普及是提升公众整体科学素质,营造科技创新氛围的重要途径。而可视化是以图形图像的方式对数据的一种呈现,能够高效地传达信息。将可视化的技术运用于科学普及,是一个十分具有前景的研究和应用方向。

首先是来自中国科学院计算机网络信息中心的单桂华教授带来的“可视化赋能科学普及”报告。科学普及的对象包括公众(尤其是青少年)、交叉学科的科学家和决策者。普及的内容可以分为基于理论和原理的普及以及基于数据的普及。介绍的案例包括上海天文馆、公众互动实验、地球模拟器、卫星工程等。通过沉浸式的环境和交互,受众可以切身地体会并理解一些科学的原理。在上海天文馆项目中遇到的难点与挑战是噪声干扰、数据量庞大等。比如在一个时空漫游的系统中,数据的规模达到108TB,需要消耗巨大的资源,也难以达到低延时的要求。此时可以使用基于概率密度的特征提取算法,该算法可以将数据量压缩50倍,从而达到目标要求。

来自华东师范大学的王长波教授介绍的是将人机交互、可视化和VR技术运用到消防、地质灾害等公共安全问题。一共介绍三个案例。首先是疫情可视化,使用信息图表对上海市复工复产后的一系列关键活动进行可视化,包括工人的迁徙等。然后是一个消防知识学习软件。最后是运用AR技术实现的消防演练软件。

陈皓老师来自南京艺术学院,从艺术设计的角度切入,详细地介绍了信息设计助力科学普及的相关工作。信息设计可以解析为三个部分。一是现实生活中无处不在的信息。二是美学方面的设计。第三个部分是背后的原理和技术,包括统计学、认知心理学、叙事逻辑框架和计算机科学。其中介绍的一个案例是大国重器系列信息图表设计。通过对工程结构的拆解分析等方式,对北斗卫星系统、高铁等大国重器进行生动详细的介绍。

中山大学的陶钧教授在报告中首先指出使用可视化进行科普面临的挑战,即不同的科学原理需要具有不同功能的可视化系统,这就使得科普前的系统设计需要消耗大量的人力物力,具有效率低的问题。面对这样的挑战,他提出将不同可视化系统的可共用组件提取并作为单独模块的解决方案,并总结出一系列的工作。一是定制可视化系统。通过将常用的可视化包装为独立的模块,可以实现新系统的快速构建。二是声明式语法。通过结构化的语法对可视化进行配置。三是交互式可视化。用户通过易操作的交互方式构建可视化。

专题:地理空间可视化

中国气象科学研究院的王亚强研究员介绍了在气象领域内的可视化软件。气象数据的特点是时空尺度跨度巨大,主要的可视化任务是气象数据和不确定性的可视化等,目前气象可视化仍在起步阶段。中国地质大学的刘刚教授介绍了地质体的三维可视化建模,主要挑战在于地质数据和地层结构信息等的不完全,三维可视化建模的主要目的在于结合知识减少对于地层的不确定性。复旦大学的陈思明研究员提出的问题是如何构建可视分析和故事叙述之间的桥梁。通过时空可视分析探索地理时空数据往往需要大量迭代的交互来获得发现,而这样的初步发现距离用户真正阐述数据背后的故事仍有一定距离。陈思明提出了故事构造方法,在交互的过程中生成简单而语义不同的可视化故事,从而衔接最终的故事叙述。中国海洋大学的董军宇教授回顾了在海洋环境数据与数值模拟领域的可视化技术进展。

复旦大学陈思明研究员在做报告

在涉及地理空间的多个领域内,包括气象学、地质学、社交媒体、海洋学,可视化技术都扮演着重要的角色,不仅仅在于已知的数据的展示,通过可视分析技术结合领域内的知识帮助领域专家挖掘数据背后更多的内容。

专题:城市与时空分析

来自西安市交通信息中心的颜建强介绍了西安市综合交通信息服务平台,对包括出租、公交等交通领域进行可视化,并且在智慧交通中得到了应用,实现了交通运行状况检测、交通运力的调度与管理等,为交通管理决策和交通规划设计提供科学数据支撑。

来自天津大学的李杰副教授以时空分析为例,展示了范式指导的可视设计。李杰副教授介绍了Semantics-Space-Time Cube和COPE,前者通过立方体的隐喻,对带有时间和空间标签的大规模非结构化文本数据进行可视分析,后者在空间分布中的多个时间序列中,挖掘时间序列中的共现模式,工作使用基于谓词的共生模式,并计算共生模式的强度,同时简化设计了相应的可视化界面进行探索。

来自中科院深圳先进技术研究院的曾伟副研究员探讨了AI+VIS对智慧城市建设的促进作用。一方面,利用AI强大的数据处理与分析能力,对原始数据进行转换,可为智慧城市方面的可视化提供支持,例如StreetVizor中深度学习对街景进行特征提取,为可视化进行数据处理。另一方面,可视化的表现能力可以将领域专家的知识融入模型参数优化中,促进模型鲁棒性及可解释性。

另外,来自华为的丁治宇介绍了可视化业务体系和可视化产品及服务体系。

总结

中国可视化与可视分析大会的会议涵盖可视化研究与应用的热点,参会者们收获颇丰。此外还有相关论文报告

发表评论?

0 条评论。

发表评论


注意 - 你可以用以下 HTML tags and attributes:
<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>