IEEE VIS 2020 – Day 1

可视化领域的国际顶级会议IEEE VIS 2020 于10月25日正式召开。本届VIS原定于美国犹他州盐湖城(Salt Lake City)举办,由于疫情的原因,改为线上直播进行(https://virtual.ieeevis.org/)。与往届线下举办的IEEE VIS会议,本届VIS共持续六天,其中前两天主要是聚焦VIS领域不同主题的研讨会,课程等活动,后四天为正会,包括42个论文报告环节,除此之外还包括Panel,Application Spotlight等。会议的第一天包括13个研讨会、课程,涉及到可视化研究领域的多个方面,包括可视化的基础理论,科学可视化,信息可视化等,内容非常丰富精彩。

IEEE VIS中最为最经典的课程当属来自英属哥伦比亚大学的Tamara Munzner教授的“Visualization Analysis and Design”,该课程自2016年开始,每年VIS会议都会开设。课程主要是基于Tamara Munzner教授同名的可视化著作,这一课程主要系统地介绍了可视化设计的框架,能够对于研究者在可视化设计方面提供指导,主要包括数据和任务抽象,以及可视化编码和交互的设计选择等方面。Tamara Munzner教授在今年VIS会议也开设了本次课程,吸引了很多老师同学的关注。

颜色是人类最重要的视觉通道之一,同时也是可视化的重要组成部分。如何使用颜色这一视觉通道映射数据也是可视化中一个非常重要的问题,是可视化领域长期以来的研究热点。书籍《Applying Color Theory to Digital Media and Visualization》的作者,来自北卡罗来纳州立大学Theresa-Marie Rhyne教授开设了关于可视化中颜色的课程“Color Basics for Creating Visualizations”,课程为期半天,在本次课程中,首先对颜色基础进行回顾。首先回顾了几个主要的颜色模型,包括RGB,CMYK等,接着对主要的几个色彩理论进行了介绍,讲述了色彩空间的定义。然后介绍了与颜色相关的一些应用和工具,以及如何利用这些工具在可视化中进行颜色选择,比如如何利用ColorBrewer进行颜色的选择。

Theory and Application of Visualization Color Tools and Strategies的研讨会主要讨论了用于可视化的颜色编码设计的理论与应用,包括最新的策略和工具。近期有一些新的调色板和颜色图构造工具被发布,例如Colorgorical、Color Crafter、ColorMoves和CCCtool,该Session对这些工具的功能、优点以及不足进行了介绍,以便大家选择最适合的工具。首先讨论了设计有效颜色编码的原理,决策和机制,然后在动手实践中探索这些工具,创建调色板和颜色图并使用数据对其进行测试,在Session的结尾讨论了未来的工具将如何帮助相关人员在可视化中使用颜色。

作为VIS重要的关联会议,LDAV 2020会议也在线上召开。首先陈述了大会论文接收情况。大会共收到16篇文章提交,接收其中7篇,接受率为43%。接下来,来自香港科技大学的屈华民教授带来了名为《大规模可视分析中对于方法论和实践的反思》的专题报告。该报告指出,大规模可视分析流程可以解构为多个不同的环节,包括应用、任务抽象、设计目标/要求分析、可视化设计/可视分析开发和评价。进一步地,屈华民教授针对不同的环节,结合其一系列研究成果分别给出了专业的评述。报告指出可视分析流程中最关键环节是任务抽象,而设计目标/要求分析的环节应当关注可视分析流程的核心,即可视化和分析模型的交互。报告同时引入了三种新颖的可视化设计方法,包含嵌入(Embedding)、集成(Integration)和新颖的图标(Glyph)设计。在报告的最后,屈华民教授着眼于大规模可视分析未来发展方向,指出基于数据自动进行的任务和系统推荐系统是可能是一个颇有潜力的研究课题,同时认为大规模可视分析当前存在系统设计过于复杂的弊病,可以借鉴软件工程流程实现对于可视分析的质量控制。

图1. 香港科技大学屈华民教授在LDAV 2020作线上Keynotes报告

LDAV 2020会议的最佳论文为来自德国斯图加特大学Thomas Ertl教授研究组,论文名为《Foveated Encoding for Large High-Resolution Displays》。该工作提出了一种减少大型高分辨率显示器上进行远程可视化所需带宽的方法。该方法基于人类视觉特性,采用中心凹形的差异化编码方式(Foveated Encoding),针对用户高度关注的区域的内容传输高分辨率的显示表达,同时压缩其余区域的分辨率,达到低传输延迟和高图像质量的平衡。该方法通过调整H.264编码器使用的每个块的渲染质量参数实现,通过追踪设备或者鼠标来识别用户关注的区域。

LDAV 2020 In Situ论文报告环节包含三个不同的工作,其研究问题包含领域专用语言(DSL)、拓扑分析和性能分析。来自加州大学戴维斯分校Kwan-Liu Ma教授研究组的工作提出一种针对不可预测的系统工作流过程,支持以未知的顺序出现的事件工作流并且可以跳过某些事件处理的新的领域专用语言DIVA。来自美国洛斯阿拉莫斯国家实验室的工作针对标量场数据拓扑结构的分析工具轮廓树(The contour tree)进行拓展,提出几何测度计算,简化和分支分解的策略和方法。来自美国橡树岭国家实验室的工作进行了针对原位可视化两种不同模式的研究(in-line 和in-transit ),比较了不同任务和场景下的time-to-solution性能。

VisGuide主要介绍的是可视化的设计准则,这对于设计高效的可视化是一个非常重要的方面。如何帮助用户设计高效的可视化形式是可视化领域一直以来的研究重点。随着可视化领域的发展,目前能够获取的数据以及可视化的不断积累,研究者们希望设计可视化的过程越来越自动化,这个过程更需要探索可视化的设计准则,因为智能可视化不仅针对用户,更需要让机器学习可视化的设计准则。

VisGuide的第一个keynote报告的讲者是来自于维也纳科技大学的Silvia Miksch教授,报告主要针对的是visualization的guidance,介绍了两个方面的内容,第一个方面是结合 Jarke J. van Wijk教授在2005年的VIS最佳论文《The value of visualization》中提出的框架介绍guidance在可视化中所扮演的角色;第二个方面是如何设计生成可视化中guidance的框架。在panel环节,来自不同学校的五位教授介绍了他们在可视化教学方面的一些经验,在他们的分享中,我发现很多老师的教学方式都是鼓励学生用可视化解决一个他们所感兴趣的问题,在解决问题的过程中逐渐学习可视化的知识,针对visualization的guideline,VisGuides.org也是一个学习可视化设计准则的社区,支持提出问题,以及获得其他可视化专家的反馈。

图2. 维也纳科技大学教授Silvia Miksch在Vis Guide作线上Keynotes报告

第二个KeyNotes报告讲者是来自于IBM研究院的Eser Kandogan博士,前面的工作介绍了人如何利用visualization guideline来设计更加合理的可视化形式,除此之外,可视化的guideline对于机器同样非常重要,尤其对于当前智能可视化的时代,可视分析是一个提供对于数据的交互视窗从而实现动态的分析过程,这个动态分析过程与很多方面息息相关,包括数据,表达形式,任务,用户,设备,以及交互方式等等。例如可视分析中一个经典的流程是overview first,zoom and filter, then detailed on demand. 例如给定一个数据,支持用户理解数据的overview,然后筛选部分数据进行可视化。最为经典的工作已经提出了很多可视化的guidelines,但是这些工作大部分都集中于人类感知方面,尽管目前非常流行的机器学习模型,也主要收集的是关于数据,可视化形式,然而任务,用户,以及设备等方面的信息仍然没有考虑在内。Eser Kandogan博士的研究工作收集现有的设计准则,数据源包括不同的可视化的书籍,以及论文,可以得到超过550个不同的可视化设计准则,从这个数据源中提取得到的设计准则是以句子的形式呈现的,提取的设计准则也形式各异,例如设计准则的句子长度方面即存在很大的差别。解构不同的design guidelines。提取得到五个不同的方面Data (D), Visualization (V), User (U), Insight (I), Device (M)。Eser Kandogan博士将可视分析的过程可以理解为一个状态转移,状态即为上述很多不同的维度,任意的维度都可能发生变化,例如数据的删选,探索任务的迁移等等。这些变化可能是由于机器触发,也可能由于用户操作所导致的。

图2. Eser Kandogan博士在VisGuide作线上Keynotes报告

VisComm针对的可视化在交流表达过程中所起到的重要作用。如何展现和表达数据在是交流的重要环节。有几篇关于COVID-19的工作,分析病毒的传播空间范围,以及患者的健康状态展示。如何向公共表达一些数字概念,这时候属于数据的可视表达,可能不会有反复的交流,这要求可视化不能产生误导误导。在科学交流中,表达数据中的不确定性或者变量是非常重要的。例如,条形图中的误差线如何正确的表达使用户不会产生误解。直接使用散点图可能会更直接的表达数据,但是数据的集中趋势(平均值)比较难以表达,并且该方法在数据量大时不适合。箱型图可以更好的展示数据的上边缘、下边缘、中位数和四分位数,但是不同的数据分布会产生独特的箱型图。小提琴图使用宽度表示数据的分布。同时,在传达数据过程中需要尽量用有效的视觉符号来表达数据。还有一种滑动产生storytelling表达,结合网格地图的形式,动态出现文字说明,实现较好的storytelling效果。

今年VIS在线上举办,很多活动都在会在国内时间的深夜矩形,但是这并没有影响大家的参会热情,反而吸引了更多的老师同学参与VIS会议,会议主办方也为参会者提供了很好的参会体验,希望后续的VIS活动能给大家带来更多的收获。

评论关闭。