时间：2025年04月19日(周六) 09: 00
地点：望江校区基础教学楼B座318实验室
分享者：魏楷臻、刘翼逍
Part 1
分享者：魏楷臻
分享内容：
[1] Jiashu Chen, Weikai Yang, Zelin Jia, Lanxi Xiao, and Shixia Liu. Dynamic Color Assignment for Hierarchical Data. IEEE Transactions on Visualization and Computer Graphics, Volume 31, Issue 1. (Jan. 2025)
[2] Jürgen Bernard, Clara-Maria Barth, Eduard Cuba, Andrea Meier, Yasara Peiris, and Ben Shneiderman. IVESA – Visual Analysis of Time-Stamped Event Sequences. IEEE Transactions on Visualization and Computer Graphics, Volume 31, Issue 4. (Apr. 2025).
论文简介：
[1] 在可视分析中，根据样本的类别标签和空间分布分配不同的颜色，可以使展示效果更加具有吸引力，并帮助用户进一步进行数据探索。然而，随着类别数量增加，生成一个同时容纳所有类别的高质量配色方案成为了一个新的挑战。一个实用的解决方案就是将所有类别转化为层次结构，然后在浏览过程中动态分配颜色。然而，现有的颜色分配方法在生成高质量的配色方案以及动态对齐方面存在不足。针对这一问题，论文提出了一种面向层次结构数据的动态颜色分配方法（多目标优化问题）。该方法同时考虑了颜色的可分辨性、颜色的协调性以及在每个层次上的空间分布，并且通过使用父类的颜色来指导其子类的颜色分配，本文的方法进一步提高了跨层次级别的一致性和清晰度。通过定量实验和用户研究，证明了论文的方法在生成动态配色方案方面的有效性。
[2] 时间戳事件序列（TSEQs）是一种面向时间的数据并且没有包含有价值的信息，用户的关注点主要是探索时间戳时间序列的发生。TSEQs存在于很多的应用领域，如睡眠行为，地震余震和股票市场的崩溃。领域专家往往面临四个挑战。首先，TSEQs在序列和事件的数量上都可能很大，通常会有数百万个事件。其次，领域专家需要经过验证的度量和特征来发现一些感兴趣的模式。第三，在发现这些感兴趣的模式之后，领域专家会将该模式置于上下文中以构建意义。最后，领域专家通过数据简化以及机器学习来降低数据复杂性。本文提出的IVESA是一种TSEQs的可视化分析方法。它支持用户在整个序列以及单个事件的层面上分析TSEQs，并支持度量和特征分析工具。IVESA具有多个关联的视图，能支持概览、排序+过滤、比较、详细信息和元数据关系搜索任务，以及通过特征分析、交互式聚类、过滤和基序检测以及简化进行的数据简化。本文通过三个案例的调查和一个用户调查评估了IVESA，其中六个领域专家使用六个不同的数据集和应用程序。结果证明了IVESA在多达1,000,000个事件的应用程序和案例中的可用性和通用性。
Part2
分享者：刘翼逍
分享内容：
[1] Shoufa Chen, Mengmeng Xu, Jiawei Ren, Yuren Cong, Sen He, Yanping Xie, Animesh Sinha, Ping Luo, Tao Xiang, Juan-Manuel Perez-Rua; Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2024, pp. 6441-6451.
论文简介：
[1] 本研究旨在探索基于Transformer架构的扩散模型在图像和视频生成领域的应用。目前视觉生成领域主要采用CNN-U-Net架构，而本文引入了GenTron这一家族的生成模型，利用Diffusion Transformers（DiTs）进行条件设置，并通过扩展至文本到视频生成并加入新颖的运动自由指导，提高了视频质量。实验结果表明，在与SDXL模型的人类评估中，GenTron在视觉质量和文本对齐方面的胜率分别为51.1%和42.3%，同时在T2I-CompBench测试中表现出良好的组合生成能力。该研究为未来相关研究提供了有意义的启示和有价值的参考。
