今天是IEEE PacificVis会议正式日程的第一天。首先进行的是大会的开幕式。大会主席Bongshin Lee和Jinwook Seo欢迎各位与会者，并介绍了这次会议的参与情况。今年共有来自19个国家的133人参与，其中来自大陆的可视化研究者有22名。接着，论文、短论文、海报张贴与storytelling竞赛的主席分别对各自部分的参与、评审以及接收情况进行了介绍。本次会议共接受论文29篇，分数均在3.5及以上。我们实验室陆旻同学的论文《Interaction+: Interaction Enhancement for Web-based Visualizations》被全文接收。图可视化主题在今年所接受论文、海报张贴中都有着很大的比例。
Bongshin Lee对PacificVis近十年的情况进行了可视化与总结
今年同时也是IEEE PacificVis举办十周年。在开幕式中，Bongshin Lee对PacificVis近十年的情况进行了可视化与总结。十年PacificVis产生了许多高质量的工作，参与的国家与人数也越来越多，影响力越来越大。其中，2009年的可视化会议就是在北京大学召开，由我们可视化与可视分析小组所在的机器感知教育部重点实验室承办。在十年的PacificVis会议中，我们实验室袁晓如老师共有17篇论文发表，同时，实验室已毕业的郭翰琦博士也有9篇论文发表，均位于前茅。
主题演讲
来自美国普渡大学的David Ebert教授做了题为《可视分析改变世界》的演讲
大会的开始由来自美国普渡大学的David Ebert教授做了题为《可视分析改变世界》的演讲。David Ebert是可视分析领域的专家，在包括安全、国防、社交媒体等等领域都有相关的可视分析工作。
David Ebert教授高屋建瓴地总结了大数据时代面临的挑战，包括能源、可持续发展、洁净水、人口资源等问题
在本次报告中，他高屋建瓴地总结了大数据时代面临的挑战，包括能源、可持续发展、洁净水、人口资源等问题。他认为解决这些问题，需要的是基于应用驱动的研究，这其中需要创新的理论与技术，也需要和实际情况紧密结合。在大数据时代，随着大量数据与传感器技术的发展，大量数据可以提供研究的基础。但如何从数据中获得洞见，解决以上的挑战，则是摆在研究人员面前的难题。数据挖掘与机器学习方法固然能够解决一些问题，但其实最重要的是需要为用户提供决策的支持。用户们需要的是“答案”，而不仅仅是算法或者是可视化的图片。面向复杂的、模糊的、社会化的数据，用户需要判断复杂多重实体的多层关系，也要判断多维度的问题与模式，针对这样的情景，强调人在分析流程中的重要性的可视分析技术就显得举足轻重。David认为，可视分析是可视化的智能进化，它强调更深的感知与认知的问题，也需要结合可视化设计的相关认知原则，同时需要提供引导用户的交互与计算能力，让人可以更好地做出决策。从本质上来说，它提供了解决问题的上下文与一个界面，针对问题的抽象空间进行设计，用户可以获得决策上的支持。
David Ebert教授介绍了人机合作设计Human Computer Collaborated Design (HCCD)
在对可视分析进行释义释义之后，他介绍了人机合作设计Human Computer Collaborated Design (HCCD)，认为使用这样的方法，可以有效地解决问题。他强调，可视分析是辅助人、提升人的能力，而不是替代人。他提了一系列关于利用社交媒体、安全、资源分布等等方面的例子。一个例子比较有代表性，即他们做了利用社交媒体进行社会状态的态势感知与异常检测的可视分析。在今年Trump进行总统就职演讲的过程中，他们的可视分析系统比警方的系统提早了10分钟感知到了华盛顿地区的行为异常，并快速检测定位到了反川普游行队伍的行为。基于此，我们可以知道利用社交媒体和其他异构数据融合分析，可以解决实时、复杂的现实挑战。
论文报告
会议的第一个Paper Session为“Graphs and Networks”，共包含三篇会议论文和两篇notes的报告。其中，来自UC Davis的Jia-Kai Chou介绍了其研究团队、对于保护本体网络（Ontology Network）中用户节点隐私信息的研究工作。他们提出了删除、融合节点，边捆绑，感知模糊(perceptually mask)等方法，以实现匿名化、模糊化，达到保护隐私的目的。该工作亦反映了近年来可视化领域对信息隐私的关注。来自悉尼大学的Seok-Hee Hong教授介绍了基于k-core的多层次大图布局算法。其实验结果表明，该算法比FM3、Walshaw等布局算法更高效。此外的几篇报告，关注了图可视分析技术在船舶轨迹、游戏社交网络、集合分析等不同方面的应用。
对于保护本体网络（Ontology Network）中用户节点隐私信息的研究工作
下午的第一个Paper Session是“Immersion, VR and Interaction”。这个session中文章从交互设备的创新和交互构建上的创新两个角度对可视分析中的交互进行探讨，其中包括了我们实验室陆旻同学的论文 《Interaction+: Interaction Enhancement for Web-based Visualizations》。有三篇论文的研究主题是在虚拟现实环境中的交互问题：针对在虚拟3D空间难以进行交互的问题，UC Davis可视化小组针对图可视化设计并且实现了手势交互的系统，并且针对传统的鼠标交互方式与手势交互方式进行对比；Monash大学可视化研究组提出了利用可触摸的方式帮助用户在虚拟的3D数据空间中进行选择； Inria可视化组的研究人员更关注多用户协作的交互方式，提出了新型的写作交互方式帮助多个用户在图可视化的选择操作上进行交互。
结合物理介质帮助用户在虚拟3D的数据空间中进行交互的研究工作
在交互构建的创新上，来自俄亥俄州立大学的可视化小组提出了Virtual Retractor， 在对于在保证数据特征的基础上对于可视化进行变形从而解决科学可视化的3D空间中存在着遮挡的问题。来自北京大学可视化与可视分析实验室的陆旻报告了在交互敏捷构建的工作Interaction+。Interaction+基于既有可视化，一款“让可视化动起来”的网页交互工具 (http://vis.pku.edu.cn/interaction+)，它能让你不写一行代码就与网页上的各种各样的可视化进行交互。这些可视化可以是像纽约时报上那样的数字媒体新闻、博客财报中的各式各样的统计图表，也可以是d3.js编写的千奇百怪的可视化作品、艺术家制作的漂亮的信息图等。Interaction+提供无需编程的交互增强功能。提出创新地从可视化获得视觉信息，驱动交互构建，实现在普遍的网页可视化上的即时交互。有效地解决了在网页可视化中需要代码编写交互的难题。
北京大学可视化与可视分析小组的陆旻同学报告Interaction+
下午的第二个Paper Session是“Geospatial Visualization and Applications”。
这个部分包括4篇文章，两篇讨论科学可视化，另外两篇讨论信息可视化与可视分析。它们分别来自各个领域，包括物理研究中的超导数据分析、气象数据分析，以及城市规划相关的人群移动分析、以及旅行路径时间规划问题。城市相关的两篇工作，分别从不同的角度来探索移动轨迹。来自香港科技大学的吴文超报告了MobiSeg，一个利用多种城市移动数据（出租车、地铁刷卡、移动基站），探索城市区域的动态行为特征。因为传统的城市规划难以理解不同区域中人们动态的移动行为，因此作者利用最新的数据挖掘与可视化相结合，设计了基于voronoi网络的区域移动行为分析的可视分析系统。另一个工作来自华盛顿大学的Ray，他们则从个人旅行路径规划的角度出发，设计了针对旅行规划，尤其是旅行时间规划的可视化设计。通过他们的研究，他们最后设计了一种基于中心固定的方法，从内往外将地理位置根据其到达时间进行变形，来辅助人们直观地在有地理上下文的环境下快速找到心仪的旅行目的地。另外两个科学可视化工作，其中一个来自美国阿贡国家实验室的郭翰琦的工作，针对超导数据，他们提出了GPU原位处理的框架来提取超导模拟数据中的漩涡特征，并与异步CPU进程协同处理。相比于后处理方式，基于原始输出的分析能提供更加准确详细的特征信息。这个工作由北京大学的洪帆同学代为报告。另一个工作来自美国Utah大学，通过抽取动态的气压变动时空数据，利用图可视化与时空可视化的方式结合探索大气研究数据的特征变化。综上，我们可以看出，时空数据可视化十分重要，在各个领域相关的研究都在进行进一步的探索。
北京大学洪帆同学代为报告 郭翰琦等关于超导研究的工作
基于voronoi网络的区域移动行为分析的可视分析系统
基于变形地图的旅行时间规划研究
最后一个Paper Session是“Multidimensional Data, Multifields, and Uncertainty”，共有五篇文章。
其中三篇工作关注场可视化中的基于分布的特征提取方法。第一个工作中，Dutta等人基于局部数据的同质性，提出一种基于局部相似性的空间划分方式，并用高斯混合模型进行稀疏表示，用于原位处理。相比于网格划分或者k-d树划分，作者的方法能提供更好的存储/信噪比表现，并能提供更加精确的基于分布的特征匹配。同样是考虑基于分布的特征匹配问题，第二个工作中，Wei等人从直方图中bin的相似性考虑对直方图的表示进行约减，节省存储空间。同时，作者采用分层抽样的方法来减少局部直方图构建时所需的计算量。最后一个工作中，He等人提出将概率分布场按值域划分为若干表示概率的标量场，并用聚类方法对这些概率场进行组织。通过对不同值域下概率场的可视化就可以对所研究变量的分布有所了解。作者提出了基于不同值域下多个概率场的联合分析，能通过平行坐标等方式来进行选择特征。
针对高维数据的查询和聚集操作，来自首尔国立大学的Jo等人引入Spark集群进行处理，并且基于Spark的流式处理方式，提供了相应的可视化形式对结果进行增量展示。在多变量体数据的可视化问题上，Lu等人引入子空间分析，并允许用户使用信息熵通过交互操作不断对子空间以及其中的聚类进行调节，从而找到有意义的多变量特征，进行传递函数设计。
今天的日程结束之后，所有与会成员前往首尔国立大学内Faculty Club酒店参与招待晚宴。晚宴上，还有韩国民族音乐表演。
晚宴与现场音乐表演
总结起来，今天的会议内容十分丰富，内容涉及多个主题。我们实验室的同学都积极参与，取得了非常大的收获。
评论关闭。