2019年春季学期视觉计算实验室第十周论文研读预告

时间:2019年5月9日 09:30
地点:望江基础教学楼B座318实验室
研读成员:张铭洋、李簦芸
分享者一:张铭洋
[1] Muhlbacher T , Linhardt L , Moller T , et al. TreePOD: Sensitivity-Aware Selection of Pareto-Optimal Decision Trees.[J]. IEEE Transactions on Visualization & Computer Graphics, 2017, PP(99):1-1.
[2] H. Guo and D. H. Laidlaw, "Topic-based Exploration and Embedded Visualizations for Research Idea Generation," in IEEE Transactions on Visualization and Computer Graphics. doi: 10.1109/TVCG.2018.2873011.
论文简介:
[1] 在构建决策树时,与可解释性等其他目标相比,提升准确性是一项关键挑战。本文描述了TreePOD,一种灵敏度感知模型选择决策树的新方法,使具有和不具有统计背景的用户能够快速并且有效地识别合适的决策树。本文的主要贡献如下:
a)支持全局到局部的模型选择策略,为用户提供可能的树特征的全面概述;
b)支持基于定量和定性特征快速选择合适的树木;
c)可视化候选树在生成参数变化过程中的敏感性。
--1

图1 系统概览图

[2] 研究者经常需要通过写作的方式讲述自己的研究思路。写作过程就是一个认知构建的过程,可以分为两个阶段:构建框架和完善细节。具体到一个提案的写作过程中,在框架阶段,研究者会创建和修改整个写作的提纲;在细节阶段,会加入更多的相关工作支持论点。本工作调研了研究者在写作过程中的痛点,构建了一个系统,减轻写作负担,促进研究想法的生成、完善。本文主要贡献如下:
a)支持构建框架和细节完善两个阶段,用户在写作和文献检索不用来回切换;
b)提供多种获取相关工作的方式,对文献的获取不仅仅依赖查询关键词的方式,而需要支持对于文献集语义的探索;
c)自动推荐引用文献,系统能够基于写作的语义,推荐和当前写作相关的文献。除了引用文献的元数据,系统也提供关于文献的引用和被引用信息,帮助用户判断该文献与当前写作的相关性。
文献检索时提供写作的上下文,作者发现在文献检索时,同时让用户保持对当前写作进展的认知可以帮助用户决定文献的查询和引用。
--2

图2 写作视图

--3

图3 探索视图

分享者二:李簦芸
[1] Saket B , Srinivasan A , Ragan E D , et al. Evaluating Interactive Graphical Encodings for Data Visualization[J]. IEEE Transactions on Visualization and Computer Graphics, 2017:1-1.
论文简介:
[1] UI主要分为control panel和visual representation两部分。近期的趋势是将用户交互直接嵌入到可视化中(前者嵌入后者)。而这个过程需要深入了解用户感知图形编码的能力和交互如何影响用户准确控制图形的能力。
--4

图4 control panel和visual presentation 分离与合并的两种形式

因此作者在文章中研究12种图形编码在作为交互方法时的有效性。主要从任务绩效和交互有效性两个指标来考察实验结果。本文的主要贡献如下:
1)分离control panel和visual representation两部分,会导致用户注意力被分散、视觉调整不够直接和直观等问题,对于两者结合的研究是必要的;
2)通过工作中所提出的用户交互度量的方式(目标重新进入(TRE)和移动方向变化),更好的理解交互式图形编码;
3)通过交互幅度设定的过程来衡量12种交互式编码的有效性,并根据任务完成时间和准确性对不同的交互式编码进行排名。
--5-1

图5 论文中所讨论的12种交互式图形编码
123