PacificVIS 2018 见闻精选-04

IEEE PacificVis 2018

PacificVIS 研讨会

PacificVis研讨会的最后一天,内容包括两个Technical Session和最后的闭幕式。

SESSION 6:

Maps, Text, and Social Media

-1-

Visual Interactive Map Matching

这是一篇关于地图匹配的工作,地图匹配指的是将观测到的车辆地理位置及其轨迹分配到路网中的实际道路连接的过程。

这篇工作展示了一种可视化分析方法——Visual Interactive Map Matching,用于微调数据预处理和匹配过程。它的自动匹配算法基于最新的ST-matching算法,预处理步骤和算法的参数可以通过即时视觉反馈进行优化,可视化界面中显示了地图和图表中的当前匹配问题和性能指标。路网模型的手动和计算机支持的编辑使得轨迹和道路的匹配更加准确。

这篇工作还通过大量数据实验证明,优化子样本上的匹配得到很高的匹配质量时,应用到完整数据集是也会有很高的匹配质量。

-2-

MeetingVis: Visual Narratives to Assist in Recalling Meeting Context and Content

为了帮助用户回顾和理解会议记录,这篇工作提出了一种基于叙述的可视化方法MeetingVis,可以直观的总结会议。

MeetingVis由两个主要组件组成:

(1)处理来自小组讨论的又头音频的数据管道,(2)有效显示摘要内容的可视化界面。

MeetingVis首先从会议音频提取5类会议要素信息(参与人、话题、任务、时间线、互动),之后使用故事线图,展现了参会人的活动、会议过程中话题的演变以及任务安排等。

-3-

Predominance Tag Maps

这篇工作提出了一种标签地图布局算法,这个算法能够使用标签的字体大小作为视觉变量,并且可以进一步配置来实现除可视化优势之外的聚合策略。

-4-

Visualizing Deep Neural Networks

for Text Analytics

近年来,深度神经网络(DNN)在许多不同领域取得了巨大进展。然而,这些网络的内部是如何运作的,往往不是很好理解。

这篇工作提出了一个可视化系统TNNVis,通过对卷积层和全连接层进行可视化,来辅助用户理解深度学习网络分析文本的过程。TNNVis的各项功能可以让神经网络研究人员能够从新的角度查看他们的DNN模型,从而获得关于这些模型如何运作的见解。

-5-

TagNet: Toward Tag-based Sentiment Analysis of Large Social Media Data

这是一篇关于推特文本数据可视化的短论文,推特的话题标签主要用途是用于检索或聚类消息,但人们越来越多地尝试将它们用作主题或主题指标来衡量人们对这些消息的情绪。

该工作提出一种基于标签的可视化情感分析方法——TagNet。该方法结合了文字云和节点连接图来展现社交媒体数据随时间变化的情况。为了帮助用户比较不同标签组和数据子集之间的复杂信息,该方法利用力模型生成布局,并使用可视编码进行增强,还提供了交互工具来提高探索大型数据集的可扩展性。

SESSION 7:

Evaluation and Immersion

-1-

An Evaluation of Perceptually Complementary Views for Multivariate Data

这篇工作评估了三种多元数据可视化技术的相对优势:平行坐标;散点图矩阵;以及他们的并行协调组合。

具体来说,我们从以下方面进行报告:

(1)对于我们测试的六个常见任务中最有效的多变量数据可视化编码;

(2)基于眼动数据分析组合两种视图时参与者们使用的常用策略;

(3)认为这些视图在显示相同的信息时能带来互补的感受,但对不同类型的分析则有不同的补充支持。

对于组合视图,我们的研究表明,在某些任务的准确度上有着显着提高,并且带来了感知上的互补效应,但是相较两种独立视图需要花费略长的实现时间。眼动数据表明,许多参与者在尝试过两种方案后都能在训练阶段快速切换策略。

-2-

Know Your Enemy: Identifying Quality Problems of Time Series Data

数据分析需要数据质量控制,其中一个重要部分是数据归档(data profiling),但是现有的数据分析方法没有充分地支持时间的特殊性,这对于识别时序数据中的质量问题非常重要。这篇工作概述了“了解你的敌人”(KYE)的设计,实现并评估了一种评估时序数据质量的可视化分析方法。

-3-

An Automatic Data Deformation Approach for Occlusion Free Egocentric Data Exploration

遮挡管理是三维数据探索的重要任务。对于以自我为中心的数据探索,由于相机太靠近不透明数据元素造成的遮挡问题,在以前的研究中没有得到很好的解决。

这篇工作提出了一种自动方法来解决这些问题,并提供了一种无遮挡的以自我为中心的数据探索。该工作利用状态转换模型监视摄像机和数据,并通过动画管理变形的开始,持续时间和终止。这篇工作中的方法可以应用于多种类型的科学数据集,包括体数据,多边形网格数据和粒子数据。

在上午的论文报告结束后,来自御茶水女子大学的Takayuki Itoh教授主持了闭幕式。明年IEEE PacificVis 将在泰国曼谷举办。

魏雅婷

浙江大学CAD&CG实验室

可视分析小组博士生

研究方向:可视分析、信息可视化

宽视 · 善知

| 宽视以博物 · 善知以致知 |

微信号

datavis

或长按识别上图

微博号

浙大可视分析小组

或长按识别上图

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180414G1B34C00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券