数据可视化在社交媒体、杂志和网站上无处不在，以直观、准确的方式表达复杂的数据。然而，创建有效和精致的可视化即使对于专业人员来说也是一件具有挑战性的任务。仅仅是在图表的布局方面，需要创作者重复多次调整布局的参数，才能得到满意的结果。这个不断试错的过程不具有系统性，而且非常耗时。已有的图表自动布局方法来自于图表制作工具，它们基于预定义规则自动生成布局，然而这种方法可能产生次优的结果。该工作由香港科技大学可视化实验室和微软亚洲研究院合作完成， 提出了一种通过学习用户偏好实现图表布局自动推荐的方法。
继续阅读 »
目前存在多种不同的方法支持创建可视化，且不同的构建方式之间具有明显差异。基于文本描述的构建方式（例如，D3，Vega）支持用户对于可视化的细粒度控制，基于框架的构建方式（例如，tableau）支持对于可视化形式的高效探索，基于模板选择的方式（例如，Excel中的可视化模块）提高了可视化的构建效率并且降低了构建难度。参数化描述性模板 [1] 基于JSON格式的可视化语法进行抽象，支持整合不同可视化构建方式的优点。通过vega-lite以及google sheet的可视化集合，验证了参数化描述性模板的有效性。
继续阅读 »ACM CHI国际学术会议（ACM Conference on Human Factors in Computing Systems）是人机交互领域的最高学术会议（CCF-A会议）。北京大学可视化与可视分析实验室袁晓如团队的两项研究成果《Automatic Annotation Synchronizing with Textual Description for Visualization》与《GoTree: A Grammar of Tree Visualizations》被ACM CHI 2020收录为长文。2020年ACM CHI共收到会议论文投稿3126篇，收录760篇，录取率为24.3%。会议原定2020年4月25-30日在美国夏威夷举办。由于疫情影响，会议取消现场活动，论文将按照原定计划4月25日ACM在线图书馆上线发布。
继续阅读 »
在视频编辑中，向视频中加入B-roll是一种比较常见的做法。B-roll可以使得原视频变得更加丰富、更加吸引人。但是，对于新手来说，很难选择插入哪个B-roll，以及插入A-roll的哪个位置。因此，本文[1]提出了B-Script来辅助用户解决上述问题。特别的，B-Script主要针对vlog的B-roll插入问题。
在日常工作和生活中，为了进一步地理解关注的事物，人们往往会进行主动性的阅读，从不同渠道选取数据来分析。而数据通常形态各异，文字、图片、图表等等不一而足，这为分析和记录带来了困难。本文提出一种基于数码写字笔的多模态数据分析交互技术：ActiveInk。它能够使用户在传统书写标注的基础上，对多模态的内容流畅地执行高亮、关联等交互，更为自如地验证猜想、获取洞见。
可视化逐渐成为storytelling以及信息传播的重要的方式。在可视化的发展过程中，在电脑编程制作可视化之前，平面设计师已经可以手动制作可视化。即使在目前存在的可视化中，平面设计师制作的可视化在目前存在的可视化中也占据着很大的比重。相对于电脑制作可视化自底向上的过程，平面设计师制作可视化的过程完全不同，他们首先决定可视化在整体上的外观，然后具体将具体的数据映射到视觉元素中。本文的主要针对的问题是如何辅助平面设计师完成制作可视化，即辅助可视化设计人员用复杂的可视化映射和布局设计器创建高保真数据可视化。针对该问题，本文提出了基于延迟数据绑定的可视化制作框架，并且基于这个框架开发了辅助平面设计师设计可视化的Data Illustrator系统[1]。
近期评论