ChinaVis2021-Day2

7月26日，ChinaVis大会进入第二天议程。今日大会进行了挑战赛颁奖、暑期学校汇报、可视化人才招聘会等议题，同时举办了可视化系统中的交互设计、安全可视化、AR/VR+可视化等多个专题报告和多个主题的论文报告，并邀请多位VIS/CHI作者对文章工作作了分享。

可视化系统中的交互设计

交互设计能够在可视分析系统中引导用户探索数据，增进对数据的理解。本专题聚焦于可视化系统中的交互设计，从交互空间到可视分析理论都进行了深入的探讨。下面，我们对本专题中的部分报告进行简要介绍。

Exploring Interaction Space of Data Displays

报告人：麻晓娟，香港科技大学 助理教授

麻晓娟教授首先介绍了可视化交互空间和展示空间之间的关系，并以近年来交互方面的前沿研究为例，介绍了可视化交互的多种形式。

讲者将可视化交互方法分为基于屏幕的方式和基于VR/AR的方式。其中，前者又可被分为基于鼠标和键盘的操作方式、基于滚动的方式、基于触摸的方式、基于手势的方式和面向小屏幕设备的特殊交互方式等。其中，基于鼠标和键盘的方式主要面向传统PC设备，也是最常见的交互方式之一；基于滚动的交互方式常用于Web领域，例如一些可视化作品利用滚动实现视图的激活和交互联动； 基于触摸的方式一般用于移动互联网设备和一些公共场合的展览设备；基于手势的方式则可以充分利用三维空间，但是对设备硬件有一定的需求；小屏幕的特殊交互面向手表、闹钟等极小屏幕的设备，近年来许多研究关注于利用现实空间的物体来实现交互。

最后，麻晓娟教授总结了设计可视化交互时需要注意的内容，即不仅需要对任务和数据空间拥有充分的了解， 还需要对展示媒介有充分的了解，理解媒介的交互空间维度。

探寻可视分析交互设计的理论基础

报告人：张小龙，滨州州立大学大学 副教授

在可视分析系统的交互设计和研究中，当下的科研人员基本依赖由可视化领域延伸而来的相关理论和方法，但这些理论和方法往往针对常规化任务，难以很好地指导可视分析中的复杂交互任务。

讲者一针见血地指出，当前VAST设计面临的主要挑战，即在可视化理论的指导下，可以很好地解决局部问题（例如配色、坐标轴设计和符号标志的设计等），但难以把握宏观任务过程（例如，宏观分析流程）。讲者以某GIS软件为例，说明了传统设计中，可视分析系统提供了大量工具，但分析流程的掌握依赖于用户。上述问题妨碍了对研究结果的理论性提升。而其原因，归根结底是由于可视分析系统针对的目标和设计系统所依赖的方法不匹配，因此需要更适合可视分析的理论来指导VAST设计。讲者接着解释了可视分析中的复杂行为模式，即一般是基于先验知识、与具体任务背景相关的，并指出要深入研究可视分析中的交互理论，需要依赖心理学等领域对人类认识的理论模型。讲者结合Newll提出的行为时间频带表理论，指出传统可视化属于认知频带，而可视分析属于理性频带，存在显著差异。讲者接着分享了一些理性频带行为的理论，如“支架式教学”和“元认知”等，并概括了上述理论对于可视分析的意义，主要包括帮助人们更好地了解工具在可视分析中的角色、更有效地评估宏观层面系统有效性、更准确地理解设计元素在复杂交互中的作用等领域。最后，讲者介绍了该领域未来的工作，即亟需建立一个针对可视分析的认识理论体系和相关研究方法。

除了上述报告，本专题还有来自中山大学的武汇岳教授和来自百度研究院的赖楚凡研究院分别作了《手势交互设计中的用户参与设计方法》和《基于深度学习的可视化智能构建与数据叙事》报告。其中，武教授针对VR/AR等环境下的手势交互设计进行了大量工作分享，感兴趣的小伙伴可查阅武老师团队的相关论文了解详情。

安全可视化

安全价值驱动下的可视化设计应用与创新

报告人：黄嵩，腾讯科技（深圳）有限公司，高级设计师

讲者以安全项目为例，介绍了使用可视化设计手段提升网络安全数据的使用效率的设计方法，以增强网络安全的防护能力，创造网络安全数据在企业和社会应用的价值。

讲者结合腾讯对外提供的保护个人安全的应用，侧重于如何在用户体验设计上与可视化结合，详细讲述了服务企业客户设计方法的流程。首先进行案头准备，以达成专业业务领域的对话基础，接下来进行贴近客户实际工作环境的调研。形成焦点小组后，从不同角度讨论客户需求，设计实施策略，选择针对性的可视化设计方案。讲者讲述了决策性、策略型和协作型三种可视化设计方向，通过展示了团队制作的决策型可视化方向的安全防护系统，并简述设计原则与方法，强调了故事导向在可视化设计中的重要性。最后进行原型剧本测试和系统落地。在整个设计方法流程中，团队中的每个人努力使项目螺旋式地推进，提升项目推进效率。除此之外，讲者还介绍了团队除此之外有关社会安全方面的探索，并列举了马拉松赛事安全案例等。

挑战赛颁奖仪式与暑期学校课程项目汇报

在本年度ChinaVis数据可视分析挑战赛中，本实验室温啸林同学率领的团队获得优秀奖。挑战赛颁奖仪式和获奖队伍分享于7月26日上午8:50在东湖国际会议中心武汉厅举行。

此外，今年北京大学暑期学校课程项目汇报也于稍后举行。本年度本实验室共有2位小伙伴作为正式学员、5名小伙伴作为非正式学员参与了北大暑期学校，且参与了汇报。汇报结束后，北京大学袁晓如研究员为正式学员颁发了结业证书。

校企面对面暨可视化人才现场招聘会

校企面对面暨可视化人才现场招聘会于下午13:30至17:30在武汉厅顺利展开，该专题内容由三部分组成：

第一部分由各企业代表嘉宾就企业可视化相关工作与招聘事宜进行简要介绍，企业及企业嘉宾包括华为技术有限公司黄兆嵩、奇安信集团黄鑫、浙江大学陈为教授、蚂蚁金服王嘉喆、北京数字观星科技有限公司高君婷、腾讯安全潘伟彬、香港科技大学成生辉、中国科学院计算机网络信息中心单桂华、中国林业科学研究院张怀清及北京应用物理与计算数学研究所肖丽。

其中，陈为教授分享了浙大可视化团队近两年在医保数据可视分析领域所做的探索，简要介绍了公费医保大数据的三大跨域特点，并以富阳医保数据为实例从医保指数排名、医保数据BI和医保欺诈可视分析等方面介绍了智能医保监管分析平台的应用；来自AntV团队的王嘉喆老师以AVA智能可视分析框架为基础，介绍了团队在基础图标可视化、关系可视化和地理空间可视化所做的工作；来自腾讯的潘伟彬老师从腾讯为什么需要数据可视化、腾讯做了哪些数据可视化探索和腾讯在产学研上有哪些实践三个基本问题介绍了腾讯可视化与产学研探索。此外，其他嘉宾也都从太古数据分析可视化平台、林业可视分析需求等方面，带来了精彩的分享。

第二部分为圆桌讨论环节，各企业和高校嘉宾就“如何促进企业与高校产学研的结合”等议题发表了各自的看法。其中，腾讯潘伟彬老师特别提到可视化不仅仅停留在大屏层次，要避免“视而不见”的现象，要让可视化真正从数据分析层次发挥它的优势。

最后，第三部分为校企面对面招聘时段，由有九家知名企业为参会人员提供现场面对面招聘的机会。总得来说，今年现场招聘会相比去年更加热闹非凡，祝每一位可视化与可视分析领域研究人员都能找到一方可大展宏图的天地。

交互式机器学习与可解释人工智能

Intelligent Visual Analysis of High Dimensional Data

报告者：马匡六

从工程设计到医疗保健、金融安全等各种现实应用中，分析和理解高维数据的能力对于解决问题和决策任务至关重要。通常使用平行坐标、散点图矩阵和降维等方法来可视化和识别数据样本和维度之间的关系。特别地，维数降维方法在从大、复杂的高维数中寻找关系方面具有优势。马匡六老师熟悉详细介绍了PCA、cPCA和ccPCA在数据降维应用中的优势和特点。针对健康医疗及社交网络数据分析任务，马老师分享了基于降维和对比学习技术，应用可视化技术为分析人员提供高效且易于理解的分析应用。

实验室录制的本报告的现场视频会在整理完成后发布。

面向机器学习的可视分析技术

报告者：刘世霞

面向机器学习的可视分析技术旨在使机器学习模型的决策过程对研究人员和从业人员更加透明，从而实现人机的有效沟通和协作。刘世霞老师通过此报告纠正传统可视分析“先分析再可视化”的单一方向分析机制，提出新的机器学习模型可视分析框架，将机器学习方法和交互可视化方法有机地结合在 一起，从而更好地帮助用户：1）分析和改善训练数据质量，为机器学习提供高质量的数据；2）理解 复杂模型及其输出结果，分析、诊断并不断完善机器学习模型，为用户选择、利用及改进机器学习模 型提供技术依据；3）理解复杂的分析结果和预测分析中的概念漂移现象等。最后，结合具体的应用实例， 如深度学习模型分析等，介绍基于该框架研制开发的可视分析技术。

实验室录制的本报告的现场视频会在整理完成后发布。

基于可视分析方法的可解释机器学习框架研究

报告者：马昱欣

近年来，机器学习方法在图像识别、自然语言处理等诸多领域有着广泛的应用。然而，机器学习模型的黑盒特性也严重阻碍了用户对模型学习机制和预测输出的理解，使其在特定领域难以发挥有效作用。马昱欣老师以机器学习流水线为出发点，分别介绍可视分析方法通过局部先行分段模型和主观散点图相似度模型在模型预处理方面提高可解释性的应用。同时以支持向量机为例，结合可视分析方法探讨模型训练过程中的解释方式，以及面向数据污染攻击和迁移学习过程的可解释分析任务，分享结合可视化在模型安全和模型可重用性方面的工作。最后，马昱欣老师提出通过可视分析提高图学习和强化学习可解释性以及总结现有解释可视设计方案的未来展望。

AR/VR可视化专题

沉浸式可视化

报告人：巫英才，浙江大学，教授

讲者巫教授远程介绍了沉浸式可视化的研究背景及国内外最新研究进展，并从宏观的角度进行了沉浸式可视化研究的展望。现有沉浸式可视化设备包括头戴式设备、移动设备（AR）、数据大屏等。沉浸式交互界面具有沉浸感与参与感，例如利用立体视觉展现数据，促进人们对三维数据形态的理解，融入手势等自然方式直观交互，提供触觉、嗅觉等非视觉感知通道。交互能为各类分析任务如数据选择、视觉导航等提供基本支持，在沉浸式可视分析中至关重要。交互设计研究包括基于接触的交互、基于注视的交互、基于移动的交互等。沉浸式可视化创作工具主要可分为基于桌面端的工具、基于终端的工具，以及多端融合的工具。未来，沉浸式技术的产业化一方面趋向大型固定式可视化设备，另一方面则是轻便可移动商用设备。沉浸式可视化设计则将会关注如何利用多通道感知以促进对数据的理解与分析、如何设计新的工作流程以适应于临场可视化分析、如何减轻用户在大量交互时的疲劳并提升交互效率，以及如何协调多用户之间在同地/异地以及同步/异步条件下的合作交互。此外，如何让创作可视化工具（D3等）支持新颖的交互设计以及触觉等非视觉感知也是沉浸式可视化系统创作未来的重要关注点 。

Immersive Visualization Design and Evaluation

报告人：杨亚龙，哈佛大学，博士后研究员

可视化是将原始和复杂数据转换为有意义的图形的工具，显示容量是可视化的重要资源。 不同的显示器在如何可视化数据以及如何与可视化交互方面提供了不同的功能。 借助沉浸式显示器（如 VR/AR HMD），我们可以消除物理屏幕的界限，并设想全新的人机交互体验。 在本次演讲中，讲者带来了流利清晰的纯英文远程报告，首先概述 VR/AR 为可视化设计提供的独特功能，然后演示如何利用它们来构建新颖有效的沉浸式可视化。 最后，他还描述了对未来工作的愿景，人们能够使用 VR/AR 来查看数字世界并与之互动。 虽然这会面临的重大挑战，但通过硬件、软件和用户体验的深度融合，我们可以在不久的将来实现这一愿景。更多相关工作可关注亚龙研究员的个人主页：https://vis.yalongyang.com/。

论文报告 Session5：Graph and High-Dimensional Data

报告题目：排名可视分析综述

排名是根据属性关键字的大小对数据对象进行排序，能够帮助用户快速而精确地判断和决策。本次报告，讲者从排名可视分析研究背景、排名可视化中的视觉元素、复杂结构数据排名可视分析、排名可视分析应用和总结展望5个方面进行了介绍。排名可视分析方法利用直观的图形展示复杂数据对象的排名过程及其与结果之间的联系，有效增强了用户对排名结果的认知。排名可视化的视觉元素主要借助位置、斜率、大小、颜色亮度/饱和度和自定义图案进行视觉表达。对于复杂结构数据排名可视分析，包括多属性数据排名可视分析、时间序列排名可视分析、空间结构排名可视分析和拓扑结构排名可视分析。关于排名可视分析应用，涉及领域包括经济金融、城市运营、文体娱乐等。

报告题目：Construct Boundaries and Place Labels for Multi-class Scatter plots

对于降维后的多类散点图，常由于数据量大、种类繁多，存在过度绘制和高度重叠问题，用户无法有效地感知图中信息，导致散点图的可读性极大降低。为解决上述问题，常用的方法包括：动画凸显、数据采样、散点图矩阵和类边界识别。文章选择利用类边界识别解决上述问题，为多类散点图的每个类绘制边界和附加文本标签，帮助用户感知和理解隐藏在散点图中的类级空间和语义信息。对于数据点中的异常值，使用一种基于MST的聚类算法来识别这些分散的聚类并去除类级离群点。对于分类的边界构建，讲者设计了一个基于网格的管道，通过逐渐过滤掉聚类级别的异常值，使用户能够以可控的方式收紧边界。最后，讲者使用丰富的插图和一个真实数据的案例证明了文章方法的有效性。