IEEE VIS2026 (TianJin)-Day 2

2026年11月11日，IEEE VIS 2026 天津分会场进入第二天。由中国图象图形学会主办的 CSIG 图像图形学科前沿讲习班以智能时代的大数据可视化与人机协同为主题开讲，CSIG 图像图形中国行南开大学站同日在津南校区举行，当晚的波士顿连线随后展开。

CSIG图像图形学科前沿讲习班

中国人民大学汪云海教授的报告题为《大模型时代的自主可视化技术体系构建》。他指出，如果直接把自然语言交给大模型生成底层图表代码，图表的规则、交互逻辑会纠缠在一起，换一张图或换一份数据又要重做。为此其团队从已有图表中归纳出编码、组合、生成、连接四类基础操作，形成组合式可视化语言 PiCCL。他最后提出，可视化的角色正在变化，它不只是结果的展示界面，更是复杂数据与智能系统之间的接口。

香港科技大学韩俊助理教授的报告题为《神经表示驱动的大规模科学数据可视化》。他认为科学可视化受制于算力与存储，神经表示的做法是用网络把数据压成低维向量，或直接以网络权重承载数据，他按连续与离散、全局与空间、神经场与超网络梳理了各类表示方式，并介绍了团队在神经场压缩、集成数据探索与混合专家框架上的工作。

CSIG 图像图形中国行南开大学站

华南理工大学邓紫坤副教授以赫伯特·西蒙的三阶段决策模型为框架展开报告，把决策拆成情报、设计与选择三步，并以城市排水系统、道路规划为例，对应到直观的数据呈现、高效的策略探索与多维的对比决策三类可视化任务。

北京理工大学李国政副教授在题为《从数据到决策：人机协同的智能分析》的报告中认为，人阅读和判断的速度有限，机器的结论又难以取信，因此他介绍了三个递进的工作：先把图表嵌入表格本体，借用户对表格结构的熟悉发现趋势与异常；再以数据洞察为目标，用强化学习决定嵌入何种表达，以覆盖度与多样性作为奖励；最后把洞察组织成关联图，由人提问、算法补关联、大模型推理，迭代成一段数据故事。

波士顿晚间连线

美国东北大学与慕尼黑工业大学合作的《Visualizing High-Dimensional Graph Embeddings via Informed Multi-View Projections》把图嵌入高维空间，再搜索兼顾交叉数与角度分辨率等指标的低维视点，并配套交互系统 DataFly。

清华大学与西交利物浦大学合作的 《VisPuzzle: Task-Aware Composite Visualization Construction》把复合可视化的构造建模为构图图上的逐步搜索，用蒙特卡洛图搜索挑出兼顾任务相关性、感知清晰度与美观的候选方案。

电子科技大学的《LayoutAgent: LLM-Guided Multi-Objective Optimization for Graph Layout Generation》把多目标图布局的学习改写为自适应的时间调度，用大模型生成的目标排程配合离线蒸馏，降低调参成本与计算开销。

湖南大学团队关于虚拟细胞的《Human-Guided Causal Knowledge Injection for Virtual Cells》，针对自动构建的因果图常有错误、又缺少人工校验手段这一问题。他们设计了基因相似度感知的因果图可视化，用混合优化算法让用户同时看清概念之间的因果关系与基因之间的相似性。