分类存档: 研究

解释装饰对于可视化的影响 (Interpreting the Effect of Embellishment on Chart Visualizations)

可视化和信息图传达数据故事,广泛应用于科学研究和社会生活。信息图的设计风格多样,既可以是极简主义的可视化,只包含原始数据相关的元素;也可以是经过精心装饰的可视化,以更好地吸引可视化读者。然而,长久以来,研究者在信息图装饰的作用上存在争论。

继续阅读 »

对探索性可视分析中分析关注点进行建模和使用(Modeling and Leveraging Analytic Focus During Exploratory Visual Analysis)

可视分析系统通过对数据的图形化表示和灵活的交互方式让用户能够分析、发现数据中的规律。然而用户对于这些发现的理解和解释往往需要一些外部的知识(context),这篇论文[1]通过对于用户在数据分析过程中的关注点(analytics focus)进行建模和计算的方式,自动给用户推荐相关的外部知识来帮助用户对于数据的理解。

继续阅读 »

IEEE PacificVis 2021 机器学习和自动可视化专题(Machine Learning and Automated Visualization)

IEEE PacificVis 2021 机器学习和自动可视化专题(Machine Learning and Automated Visualization)以及可视化遇到AI专题(Visualization Meets AI)共报告五个工作,分别是关于将机器学习运用到图布局偏好预测、自动可视化问答、单元可视化的滚动叙述生成、基于图标检测训练对信息图进行解析和总结,以及使用文档嵌入和降维展示主题演变。其中,来自北京大学可视化与可视分析实验室的自动可视化工作ADVISor的具体介绍在http://vis.pku.edu.cn/blog/advisor/

继续阅读 »

ADVISOR: 表格数据自然语言问询的自动可视化回答(ADVISor: Automatic Visualization Answer for Natural-Language Question on Tabular Data)

近年来,人们对数据分析的需求不断增长。而生成可视化是展示、分析数据特征的重要手段。无论是学术论文还是数据新闻,可视化在对数据的分析中都扮演着重要角色。由于其广泛的需求,一些商业工具如PowerBI 等可以根据用户在数据表格中指定特定的行或者列以生成可视化结果。然而,构造相应的可视化需要用户在数据和可视化方面具有一定的专业知识以决定选择相应的数据和可视化的类型。

这些工具依赖于用户具有的数据或者可视化的一定门槛。不同于编程或者使用特定可视化构建工具固有的学习成本,人类用户天然掌握一种低门槛的交流方式——自然语言。利用自然语言来表述用户的数据分析需求天然地降低了用户的使用门槛。基于此,北京大学可视化与可视分析研究组刘灿、韩云等 [1] 提出了一种从自然语言问题和表格出发,构建可视化及附加高亮为结果的方法。该方法全文发表于2021 IEEE 太平洋可视化会议(IEEE Pacific Visualization Symposium)。

继续阅读 »

欢迎参与全球 COVID-19 可视化数据收集工作

在过去的一年,COVID-19疫情的新闻占据了全球所有新闻的头版头条,可视化则是各类新闻或者材料中了解疫情情况重要的途径。美国工程院院士、可视化知名学者Ben Shneiderman教授在2020年4月写的一篇题为《Data Visualization’s Breakthrough Moment in the COVID-19 Crisis》的博客中指出,可视化这个学科在今天(疫情期间)的影响远远超越了它在300年来的发展历史中作出的其他重要的贡献。无论是官方机构还是媒体,都纷纷使用可视化传播和表达疫情中各类关键信息。

继续阅读 »

全球 COVID-19 可视化汇集

在过去的一年,COVID-19疫情的新闻占据了全球所有新闻的头版头条,可视化则是各类新闻或者材料中了解疫情情况重要的途径。美国工程院院士、可视化知名学者Ben Shneiderman教授在2020年4月写的题为《Data Visualization’s Breakthrough Moment in the COVID-19 Crisis》的博客中指出,可视化这个学科在今天(疫情期间)的影响远远超越了它在300年来的发展历史中作出的其他重要的贡献。无论是官方机构还是媒体,都纷纷使用可视化传播和表达疫情中各类关键信息。

继续阅读 »

ChinaVis 2020 主题报告讲者 – Tamara Munzner 介绍

今年在西安举办的ChinaVis 2020邀请了国际知名可视化学者 Tamara Munzner 教授题为《Problem-Driven Visualization Through Design Studies》(通过设计研究开展问题驱动可视化工作)的大会主题报告。Tamara Munzner教授任教于加拿大英属哥伦比亚大学(University of British Columbia)计算机系。她师从Pat Haranhan教授(2019年图灵奖获得者),2000 年获美国斯坦福大学博士学位。Tamara Munzner教授的主要研究方向是从用户驱动和技术驱动的角度开发,评估和描述可视化系统和技术。2015年,她因在为可视化设计提供系统的科学依据方面的突出贡献,获可视化领域的技术成就奖。

继续阅读 »

北京大学可视化实验室袁晓如团队两项研究成果被ACM CHI 2020收录

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 »

自动可视化注释动画生成

基于文本描述的可视化自动注释

在数据分析过程中,人们会获得各种发现与洞见。当他们分享这些洞见时,可视化图表常常扮演着重要的角色。然而,如何高效地引导观众理解数据,却不是一件简单的事情。在演讲者描述图表的同时,观众需要在图和描述之间频繁切换,并进行视觉和语义信息的匹配。这一过程乏味且耗时,甚至会阻碍观众跟上讲演的思路。

一种有效的辅助读图手段是高亮与注释。针对每一句描述,我们可以高亮被描述的图中实体,并将描述文本附着于实体旁边,从而绑定视觉与语义信息,并快速吸引观众注意力。然而,高亮注释的工作耗时费力,极大地增加了演讲者的工作负担。

针对这一问题,北京大学可视化与可视分析实验室袁晓如团队近期提出一种自动生成图表高亮与注释效果的方法。用户只需上传图表及相应的描述,即可在顷刻间获得准确而生动的、带高亮与注释效果的动画,以辅助数据信息的展现。这项成果发表于ACM CHI 2020。

继续阅读 »

统一的树可视化形式描述语法 – GoTree

树可视化是可视化领域长期以来的研究热点。近40年来,研究者利用不同的视觉映射方式发展了超过300种树可视化形式(https://treevis.net/),并且广泛应用在日常生活中,例如展示电脑文件目录结构的缩进列表,反映股市中公司市值以及股价升降的Treemap。针对树可视化快速构建的问题,北京大学可视化与可视分析实验室袁晓如团队近期提出针对树可视化形式的描述性语法GoTree,支持用户从坐标系,视觉元素,以及布局三个方面描述预期的树可视化形式从而支持面向大众用户的灵活高效的可视化构建。这项成果发表于ACM CHI 2020。

继续阅读 »