IEEE VIS 2020 – Day 3

10月27日是IEEE VIS 2020正式会议的第一天。上午的开幕式上,大会主席、来自美国犹他大学的Valerio Pascucci教授和Mike Kirby教授介绍了大会的基本情况。大会吸引了来自80多个国家的2910名参会者,创下参会人数记录。

图1. 历年参会人数变化。

在颁奖环节,来自INRIA的Jean-Daniel Fekete被授予“IEEE VGTC Visualization Technical Achievement Award”,以表彰他在网络可视化、可视分析架构以及数据实体化上所作的贡献。来自马里兰大学的的Catherine Plaisant被授予“IEEE VGTC Visualization Career Award”,以表彰她在数据可视化领域的全面工作,包括对评估、基准、案例研究的贡献,以及对事件序列可视化的具体研究。

在“Test of Time Awards”环节,Choo等人的论文“iVisClassifier: An Interactive Visual Analytics System for Classification Based on Supervised Dimension Reduction”获得“VAST 10 Year Test of Time Award”;Stolte, Tang和Hanrahan的论文“Polaris: A System for Query, Analysis and Visualization of Multi-Dimensional Relational Databases”获得“InfoVis 20 Year Test of Time Award”;Segel和Heer的论文“Narrative Visualization: Telling Stories with Data” 获得“InfoVis 10 Year Test of Time Award”;Martin和Ward的论文“High Dimensional Brushing for Interactive Exploration of Multivariate Data”获得“SciVis 25 Year Test of Time Award”;van Wijk的论文“The Value of Visualization”获得“SciVis 15 Year Test of Time Award”。

会议从VAST、InfoVis、SciVis和Short Paper中各评选出一篇最佳论文。VAST最佳论文是Guo等人的“VATLD: A Visual Analytics System to Assess, Understand and Improve Traffic Light Detection”;InfoVis最佳论文是Kale, Kay和Hullman的“Visual Reasoning Strategies for Effect Size Judgments and Decisions”;SciVis最佳论文是Rautek等人的“Objective Observer-Relative Flow Visualization in Curved Spaces for Unsteady 2D Geophysical Flows”;最佳Short Paper是Schindler, Wu和Raidou的“The Anatomical Edutainer”。

本次VIS特邀报告的内容是2007年诺贝尔生理学或医学奖得主Mario Capecchi所作的“The Making of a Scientist”。Capecchi以基因剔除研究为例展开讲述。对于生命科学领域的研究者来说,识别某个基因的功能是一件极其重要且复杂的事情。Capecchi准备用外源DNA替代内源基因,在体外构建基因缺陷模式,然后通过观察表现异常来确定正常基因的功能。但他的想法遭到许多同仁的怀疑,美国国家卫生研究院甚至撤销了对Capecchi领导这个项目的资金支持。

图2. keynote讲者、2007年诺贝尔生理学或医学奖得主Mario Capecchi。

尽管如此,Capecchi仍决心继续他的研究。在那段研究经费捉襟见肘的时期,很多人甚至选择退出。基因剔除项目依靠Capecchi的韧劲维持了下来。之后,剑桥大学Evans教授获得了大量的早期胚胎干细胞,这给了他很大的启发:如果将小鼠的胚胎干细胞进行同源重组,再将重组后的干细胞移植到胚胎中,就能获得活的基因缺陷小鼠,并能对其进行各种基因功能的测试。该方法成为基因技术研究新的里程碑。

Capecchi最后分享了他的人生经历。从中可以看出,坚韧不拔的性格和注重合作是非常重要的科学品质。

下午的会议分为4个full paper session,1个short paper session,1个panel和1个application spotlights。大家选择3个full paper session、short paper session和panel参加。

第一个full paper session “Creating & Sharing Visualizations”共分享了6个VIS工作,包括故事线自动生成、可视化构建、可视化分享等。浙大的研究者分享了使用强化学习自动生成故事线的工作PlotThread。来自MIT研究者提出了使用图形界面的系统构建可视化及其复杂交互。来自INRIA的研究者则分享了不使用数据直接构建可视化模版的方法。来自华东师范大学和华中科技大学的研究者针对可视化图片编码元信息的问题,分别提出了编码解码网络和背景检测的方法。最后,来自田纳西大学的研究者报告了分享交互式可视化的新方法。

图3. PlotThread自动构建流程。

第二个full paper session “Libraries, Toolkits & Systems”介绍了对更好地构建可视化或进行特定方向的可视分析具有重要作用的工具。这些工具可以作为一种特定的语法,作为库,或者作为系统。VisConnect可以将某一用户的操作结果同步到其他用户的同一可视化系统中,以便不同用户进行合作,并且在一些随机性程序中保证用户的一致,分治不同用户对不同数据的操作。Piling库通过多种聚合方式对small multiples进行加强,能更好地概览或比较不同部分。在基于自然语言的可视化工具中,NL4DV在流程中进行查询的处理以及可视化的推荐,可以使得开发者更加专注于设计以及用户界面的实现。P6作为一种声明式的可视化领域语言,能够分析和可视化大数据集,在网页端构建高效的可视系统,并集成机器学习。PipelineProfiler可以探索和比较不同的AutoML自动调整机器学习流程的结果。Kyrix-S通过声明式的语法,使用多端点的数据库索引及服务,在绘制大量数据的散点图时具有较好的可扩展性。

图4. P6通过声明式语法自动创建高效的可视分析系统。

第三个full paper session “Perception & Color” 主要关注可视化中色彩的感知、选择与评估,以及用户对于可视化图形的感知与记忆。Karen Schloss介绍了他们关于色彩语义距离和感知距离的工作,通过用户实验,他们发现增加可视化中不同色彩间的语义距离可以使得用户更好地解释可视化,并且该提升与感知距离的变化无关。Khairi Reda介绍了色彩名字变化(color name variation)如何影响人们做出判断的能力,他们的研究结果表明,像RGB彩虹这样的色彩映射(colormap)具有认知优势,尽管它们具有传统上不理想的感知特性,这些结果为预测色彩映射的性能提供了有经验基础的指标,并为设计新的定量色彩映射提出了可供选择的准则。Pascal Nardini展示了由他们开发的用于评估色彩映射设计的测试套件,用户可以观察不同的连续色彩映射应用于具有各种特征的平面标量场时的效果,该测试套件已被集成到一个网络应用程序中(https://ccctool.com/)。条形图是最常用的可视化之一,Cristina Ceja介绍了关于用户对于条形图记忆偏差的工作,他们的研究发现,用户记忆条形标记时,会认为它与正方形更相似,从而导致高估宽的条形标记,而低估高的条形标记。现有的数据通道感知精度的测量方法主要是基于两个值之间比例判断的口头报告,但这混淆了实际视觉精度之外的多种错误来源,Caitlyn McColeman介绍了他们对于感知精度原始测量的方法,这种范式可能在一套新的更基本的图形感知精度测量方法中发挥作用。Brian Ondov提出了两种方法来揭示视觉系统如何从可视化中提取统计数据,在 “理论驱动 “的方法中,他们优化图表来操纵猜测的知觉代理,并测试它们如何有力地改变判断,在 “数据驱动 “的方法中,他们使用人类的判断作为目标函数,寻求发现新的欺骗性图表。

图5. Karen Schloss的工作:Semantic Discriminability for Visual Communication。

Short paper session “Vis and Scientific Computing”重点关注可视化和科学计算的关系。在这部分中,可视化关注的包括了特征提取、参数影响、性能问题、CPU/GPU适应度以及不确定性研究。在特征提取部分,针对不同的可视化对象,特征提取不完全相同,如在对磁场的可视分析中,采用了磁场走向来做为特征,这与可视化任务密切相关。在不确定性分析中,建立合适的方程用以衡量不确定性。采取不同的方法往往能突出分析结果不同的特点,针对任务需求需要仔细分别。除此之外,不同的rendering方式针对不同的数据有不同的效果,将不同方法的优点结合,并针对数据本身做设计,可以显著提高可视化的性能。最后,一个好的框架结构需要精心的设计,以适应CPU和GPU的不同要求,在不影响性能的前提下能够做到尽量轻量级和普适性。一方面可视化追求在优秀的设备上展示更好的可视化结果,另一方面也追求在低成本的替代设备上能够尽可能得到高质量的可视化,这两方面的工作同样重要。

图6. 通过设计算法在动态的流数据中减弱不确定性带来的干扰,识别出流体并可视化。

在panel中,来自世界各地的八位杰出可视化学者分享了他们从一名“新人”到成熟的研究者的过程中开展科研的个人经历,并鼓励在读或已从业的后生们加入到可视化科研中。针对许多可视化从业者的提问,学者们分享自身的经验,解答了大家的疑惑,主要有以下几点:

  1. 在开展研究工作的同时,也需要兼顾好家庭生活。合理分配科研工作时间以及陪伴家人的时间。
  2. 当在科研工作中遇到私人方面的困惑时,可以自问三个问题。
    1. Are you happy
    2. Is your relationship happy
    3. Are you healthy
  3. 从事可视化科研,无关身处在研究机构中或是在工业界中。
  4. 博士生关于实习的问题,因人而异。如果已经决定加入企业,应当尽早与工业界有良好的沟通和参与合作。就业的紧迫感和写论文的紧迫感体现在不同的两个方面。
  5. 每一位致力于可视化研究的学者一定是真正热爱科研、热爱可视化,才能爆发出无限可能。
图7. panel中分享个人经历。
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>