2020年春季学期视觉计算实验室第十二周论文研读预告

时间: 2020年5月21日 09: 00
地点: 四川大学视觉计算实验室钉钉群
研读成员: 庞潇、王兆基

Part 1
分享者: 庞潇
分享内容
[1] Seeland M , Girschick T , Buchwald F , et al. Online Structural Graph Clustering Using Frequent Subgraph Mining[C]// Machine Learning and Knowledge Discovery in Databases, European Conference, ECML PKDD 2010, Barcelona, Spain, September 20-24, 2010, Proceedings, Part III. DBLP, 2010.
论文简介
[1] 图聚类的目标是基于各种标准(例如顶点连通性,邻域相似度或最大公共子图的大小)将图对象划分为不同的类别,以此来建立索引或加强数据理解,本文的作者提出了一种基于结构的图聚类的新方法,在不生成特征或将图分解成多个部分的情况下进行图聚类,这样做的好处是大大减少了计算所需的时间代价,算法通过以在线模式工作(逐个处理),用户能通过调整阈值获取理想的公共子图大小。作者通过一系列数据集实验证明了方法的有效性和效率。

  • 本文的方法计算时间较短,对于Web类应用尤其适用,且能根据用户需要调整阈值,可在此基础上增加交互功能。

[2] Li J, Chen S, Chen W, et al. Semantics-Space-Time Cube: A Conceptual Framework for Systematic Analysis of Texts in Space and Time[J]. IEEE Transactions on Visualization and Computer Graphics, 2020, 26(4): 1789-1806.
论文简介
[2] 语义-时间-空间三者的关联分析在真实数据分析中常见,目的是了解文本语义如何随时间和空间变化。本文将这三种数据的组合描述为多维数据单元(主题、位置、时间间隔),隐喻为数据立方体进行规模分析,并探讨了异构信息三个方面(语义、空间和时间)之间的相互关系。引入投影和切片多维数据集的操作,用于将复杂任务分解为更简单的子任务。然后,作者针对这些子任务设计了可视分析系统,为了减少用户界面的复杂性,应用了结构、视觉和操作一致性的原则。聚合的数据在三个平行的视图中表示,具备统一的交互式操作,支持在不同维度之间建立链接。最终将系统应用于两个分析场景,通过带有地理位置的社交媒体数据来研究人们对不同空间和时间尺度的社会和自然事件的反应,评估可行性和实用性。
TIM--20200519125619

图1:时空语义数据的可视分析界面设计
  • 本文在时空数据可视分析的领域有数据组织、视图和交互设计的大量创新,对于时空数据分析的应用有借鉴意义。

Part 2
分享者: 王兆基
分享内容
[3] Srinivasan A, Lee B, Henry Riche N, et al. InChorus: Designing Consistent Multimodal Interactions for Data Visualization on Tablet Devices[C]//Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems. 2020: 1-13.
论文简介
[3] 如今平板电脑已经几乎成为了人们日常生活中必不可缺的一份子,但考虑到跨不同类型平板时要保持交互的一致性,在平板电脑上设计数据可视化平台仍然不是一件容易的事情。本文由微软研究院完成,设计了一种在平板设备上进行可视化数据分析操作的多模式交互系统原型InChorus,其设计的高层次目标是在不同类型的可视化内容之间保持交互的一致性,支持笔、触摸和语音三种输入方式。实验邀请了12名用户参与原型系统的测试,在系统中执行可视化分析任务,并调查了受试者适应该多模式交互系统的情况。最终,通过强调多模式输入的潜在好处并促进多模式交互系统的开发,作者希望能促进新一代可视化系统的设计,以为用户带来更自然、更流畅的人类-数据交互操作,以适应不同的用户偏好。
Snipaste_2020-05-18_23-59-30

图2:不同视图在平板设备上的交互