[柏林速递] || IRCer的VIS精彩报告

2018-10-27 20:09:10.0

    2018年10月24日至25日,在德国柏林Estrel Hotel举办的IEEE VIS 2018会议已经进行到Paper Session的第二、三天。来自山东大学交叉研究中心(IRC)可视化组的老师和同学在会议上做了InfoVis Papers部分和VAST Papers部分的共六场精彩报告。



    经过此前10月22日和24日Fast Forward环节对论文项目的简单介绍,不少国内外同行都对IRC可视化组的工作产生了浓厚的兴趣。


    24日上午九点四十分,汪云海老师在InfoVis的Time环节作了题为《Line Graph or Scatter Plot? Automatic Selection of Methods for Visualizing Trends in Time Series》的演讲。



    折线图通常被认为是可视化时间序列数据的最佳选择,而有时散点图也用于显示主要趋势。到目前为止,还没有指导方针指出哪种可视化方法能够更好地让用户感知给定画布的时间序列趋势。这篇文章中提出了一种算法,使得计算机能够自动选择最能揭示这种趋势的可视化方法。为了衡量该算法和用户选择之间的一致性,作者们还用一系列对照实验进行了实证研究。汪老师的报告深入浅出,生动形象,台下观众给予热烈掌声,并在报告结束后积极提问交流。本篇报告在网络上也引起了反响,Twitter上来自Tableau的可视化研究员Robert Kosara发出推文称赞了该论文的质量和重要意义,来自美国苹果公司的可视化和交互设计科学家Kanit Ham Wong博士也发表了该报告的相关推文。


    24日中午十二点,IRC的王妍岩和和张海峰同学在Graphs & Trees环节作了题为《Structure-aware Fisheye Views for Efficient Large Graph Exploration》的报告。



    众所周知,传统的用于探索大规模图的鱼眼放大镜会产生严重的畸变,这不仅会使图中某些有用的结构的形状被改变,还会降低图的可读性。为了解决这个问题,作者们在这篇文章中提出了一个对点线图中的结构敏感的算法框架,并依此构建了一个能够用于点线图的能够保持图结构的鱼眼放大镜。在用显卡加速后,开发出的系统能够交互式的处理15k个点规模的图数据。二人经过此前多次修改讲稿,反复练习,配合默契,优秀地完成了报告内容,他们的表现赢得了多位国外专家的赞誉。


    24日下午三点,汪云海老师和初晓伟同学在VAST的High Dimensional Data环节,共同作了《A Perception-Driven Approach to Supervised Dimensionality Reduction for Visualization》的报告。



    降维(DR)是有类别的高维数据的可视分析的常用策略。我们都知道数据的低维表示有助于探索类的可分离性和数据的空间分布。广泛使用的无监督DR方法(如PCA)并不旨在最大化类别分离的程度,而像LDA这样的监督DR方法更是不考虑人类的感知能力。在本文中,作者们提出了一种感知驱动的线性降维方法,可以最大化投影中的感知类别分离程度。该方法将现有的基于感知的分离措施扩展为密度感知并将它们合并到定制的模拟退火算法中,该算法可以快速生成近似最优的DR投影。


    25日下午的InfoVis部分,Perception & Cognition 1 这个环节的5篇Paper报告中,有3篇都是IRC可视化组的工作。陈昕同学和葛彤同学合作发表了题为《Optimizing Color Assignment for Perception of Class Separability in Multiclass Scatterplots》的报告。



    该篇论文是为了填补颜色分配领域的通用多类散点图方面的空白,提出了一种针对多类散点图的感知驱动的颜色分配方法,该方法试图自动产生最佳颜色分配,以最大化类之间的感知分离度。这篇论文扩展了最先进的视觉类别分离度度量,通过结合颜色因素来准确模拟人类对多类散点图的感知,并使用这些度量来指导对恰当色彩分配的自动搜索。报告结束后,InfoVis 2018论文主席,来自美国西北大学的Steven Franconeri 教授发信赞扬了我们的报告,并给出了很多可以继续研究的思路。


    在这一环节,王泽雨同学连续作了两篇报告,第一篇题为《Is There a Robust Technique for Selecting Aspect Ratios in Line Charts?》。

    


    本文针对折线图的宽高比选择的问题进行了深入的分析和研究。文章详实地分析了宽高比选择算法的数学背景,为现有的算法提供了参数化不变性的数学基础。同时,还提出了一种新的宽高比选择方法,基于1范数的最大化局部方向分辨率算法。并且通过理论和实验分析证明了该算法与合成矢量法具有更好的鲁棒性。另外也证明了现有视觉基础的普遍缺陷。最后,结合两种算法提出了Dule-Scale Banking技术,从而能更加全面的在多种尺度衡量折线图。


    王泽雨同学的第二篇报告为《Image-based AspectRatio Selection》。基于先前的研究,作者们已经发现现有的折线图或散点图的宽高比技术有一些缺陷,比如计算复杂度高,无法应用于普遍的图像,选择等值线的方法不完善等。因此,本文提出了基于图像的宽高比选择技术。通过应用Federer Co-Area定理,扩展了原有方法,并使其能用于通用图像中。该技术跳过了等值线提取的步骤,直接应用于密度场,因此有更高的鲁棒性和更广的应用范围。此外,该论文提出了各向异性的核密度估计技术用于生成各向异性的密度场,从而提升该技术的性能。



    至此,IRC可视化组的同学和老师在此次柏林VIS的报告圆满完成。

 



文 / 包   琛

图 / 王妍岩

编 / 包   琛