vision-computing

时间： 2019年3月7日 09：30 地点： 基础教学楼B座318实验室 研读成员： 庞潇 研读内容： [1] Xu Y , Aydt H , Lees M . SEMSim : a distributed architecture for multi-scale traffic simulation[C]// Principles »

时间： 2018年12月21日 09：30 地点： 望江基础教学楼B座318实验室 Part 1 研读成员：庞潇 研读内容简介：本次论文研读的主题为出租车排班问题及相关系统。第一篇文章设计了出租车与用户的呼叫调度机制并建立了相关的时空模型，有效地提高了出租车车辆的收入，第二篇基于遗传算法提出了拼车的路径匹配算法针对多目标优化问题提出了智能拼车系统，第三篇利用道路对城市进行分区，从而大大减少了动态拼车问题中的搜索空间，减少了计算量和计算时间。 研读内容一： 论文标题：The Development of a Smart Taxicab »

实习分享 2018暑期实验室第二阶段内训第二天于8月29日在四川大学视觉计算实验室举行。本日内训一共分为南方科技大学、腾讯、浙江大学暑期学校三个部分的实习分享。 内训时间：2018年8月29日 星期三 9：00-11：30 内训地点：视觉计算实验室 参 与 者：朱敏教授、张艺兰、梁晶、熊枭枭、李晓伟、朱禹、韦东鑫、李亚男、夏婷、胡宇佳、 »

7月21日，北大可视化夏令营来到了第5天，让人不禁感叹时间的仓促，在这几天里小伙伴们逐渐熟悉起来，大家依然紧张激烈地准备着各自的项目。 时磊：可视分析在人类脑部网络比较与深度神经网络解释上的应用 上午的课程由中科院软件所的时磊老师讲授，时老师首先介绍了可视化网络的特点、布局、通道等问题，然后介绍了他在高秩序相关图(HOCG)的布局和处理方面所做的工作，以及有关人类大脑结构的可视化，通过对大脑内部的网络进行可视化，我们可以比较不同人群的脑部，找到造成人类之间某些特征差异的原因。另外也详细叙述了深度学习过程和股票行情分析的可视化过程，为我们展示了可视化在网络中的多种多样的应用。 麻晓娟：Exploring Interaction Space of Data »

2018年北大可视化暑期学校在7月20日进入了第四天，时间已经进入了后半学期，同学们对接下来的课程越加珍惜了，积极与老师互动，把握交流的机会。 沈汉威:n-Situ Data Modeling Analysis and Visualization 来自俄亥俄州立大学的沈汉威教授的课题为基于原位数据的建模分析和可视化。首先，沈教授提出了在计算科学上的挑战，即大量计算的数据存储之后I/O处理效率不高等问题。然后开始引进原位数据的概念，由浅入深的介绍了如何把大量的数据转换成统计分布的方法，包括Histograms、Kernel Density Estimates、Gaussian Distribution、Gaussian »

2018年7月19日，北京在今天终于迎来了几天来的第一次朦胧的太阳，雨后的清晨变空气格外清新，在今天北大可视化暑期学校进入了第三天的课程。 赵盛东：The Next Interaction Paradigm 新加坡国立大学人机交互实验室的赵盛东教授从人类利用工具的历史开始讲起，指出工具的本质是帮助人类的能力完成需求，人类正在从越来越不自由的交互状态过渡到自由人机交互的过程中，虽然这只是个长期预测，但是我们有通过设计实现这种可能性。 第二部分教授介绍了他以前的工作，设计类的工作包括vignette手绘工具、draco动画工具以及sandcanvas沙画模拟工具，每一个工具都利用数字技术，明显提升了创作的效率和效果，而在场景和机器人方面，他展示了magic card机器人系统，机器人可以通过读取地上的打印卡片获取任务，比如清扫房屋，移动物品等，卡片也有专用机器人打印和回收， »

2018年7月18日，今天进入到北大可视化暑期学校正式上课的第二天，在早上的课程还没开始之际，袁晓如老师公布了课程项目小组的分组名单，今天大家都明显活跃起来，休息的时间都沉浸在认识新朋友、互相讨论交流的氛围中。 Peter Eades:Graph Drawing Peter Eades教授负责讲授上午的课程，他自从上世纪80年代以来一直致力于可视化网络的研究，成果丰富，影响力巨大。他首先从小图的绘制开始讲起，阐述了拓扑布局在网络图形绘制中的重要作用，紧接着引入了拓扑矩阵的概念，讲述了拓扑网络的一般绘制方法-“Topology-shape-metrics”方法，也就是首先进行拓扑计，然后确定形状，最后绘制图形。而在大图绘制方面， »

第十届北京大学可视化暑期学校第一天的课程于2018年7月17日9点整准时开讲。 屈华民：数据可视化与可解释性人工智能 第一位讲者是来自香港科技大学的屈华民教授，课题为数据可视化与可解释性人工智能。首先，屈教授介绍了数据可视化的定义、目的、分类以及可视化上游和下游。其次，屈教授讲述了可视化的信达雅的标准，信即accuracy；达即intuitiven、efficentcy、effectiveness；雅即aesthetic。然后，屈教授讲述了什么是可解释性模型、为什么要做可解释性模型、以及如何去做可解释性模型。同时也给出了做可解释性模型时遇到的问题，并且提供了他们实验室已有的关于可解释模型工作的文章。最后，屈教授讲述了利用可视化与机器学习去应用于教育方向，主要通过慕课网的案例、教室监控案例、 »