原創(chuàng) 可視分析 可視分析

2004年4月23日上午，第七屆中日韓可視化論壇在日本東京慶應(yīng)義塾大學(xué)三田校區(qū)北館舉行。來自中國、日本、韓國的三十多位可視化學(xué)者參加了活動。本次活動也是IEEE PacificVis 2024的前奏。

中日韓可視化論壇沿革

中日韓可視化論壇今年已經(jīng)是第七屆。論壇最初是中日可視化論壇。2017年7月在北京大學(xué)舉行首次活動。2018年4月份在日本神戶和PacificVis同期舉辦。2019年7月在中國成都和ChinaVis同期舉辦。由于疫情影響，在2020年暫停一次后，2021年和2022年分別和ChinaVis與PacificVis同期舉辦，但是都采取了在線方式。在疫情結(jié)束后，2023年4月，和PacificVis 2023同期舉辦，此年，論壇擴展加入韓國方面。中日韓論壇為東亞可視化學(xué)者之間的交流合作提供了橋梁。2024年中日論壇的的三位共同主席是來自中國北京大學(xué)的袁曉如，日本慶應(yīng)義塾大學(xué)的Issei Fujishiro和韓國世宗大學(xué)的Yun Jang。

2024年中日韓可視化論壇報告

中日韓可視化論壇中，中國、日本和韓國每個國家各有兩位學(xué)者進(jìn)行報告，在六個匯報結(jié)束之后，六位報告者共同參與了一個圓桌論壇。

日本

作為東道主，兩位來自日本的學(xué)者率先匯報了在機器藝術(shù)和海洋科學(xué)可視化方面的研究成果。

來自慶應(yīng)義塾大學(xué)的Fuminori Shibasaki首先介紹了在美術(shù)作品中計算引導(dǎo)線的工作。美術(shù)作品中稀疏分布的物體、漸變、筆觸、人物姿勢等，都會被作者用于設(shè)置引導(dǎo)線。這些引導(dǎo)線可以強調(diào)重要物體，并指引欣賞者的觀看順序。他們提出可以根據(jù)計算顯著性地圖表示這些元素，并通過梯度確定引導(dǎo)線的方向。他們使用Morse-Smale復(fù)形對顯著性地圖的梯度進(jìn)行抽象，根據(jù)復(fù)形的極值點和鞍點獲得與引導(dǎo)線相關(guān)的子圖，并設(shè)置閾值對子圖進(jìn)行拓?fù)涞暮喕Ｔ谠u估中，他們發(fā)現(xiàn)方法在靜物畫和自然風(fēng)景圖中有較好的效果，并指出未來工作方向可以探索考慮人物視線等語義內(nèi)容。

Shibasaki講解提取美術(shù)作品引導(dǎo)線的算法流程

接下來，御茶水女子大學(xué)的Midori Yano博士分享了她在模式水層（Model Water）可視化上的研究。模式水層指海洋中物理相似的一種水體（Water Mass），是海洋分析的一個重要組成部分，有助于解釋氣候變化機制。在虛擬現(xiàn)實環(huán)境中，模式水層常通過等值面描述。Yano博士重點介紹了一種使用虛擬現(xiàn)實分析模式水層時的視角選擇方法。該方法針對兩個從相同水體提取模式水層的比較，幫助用戶快速導(dǎo)航到合適的觀察視角。她提出一個三步算法。算法首先計算兩個模式水層之間的距離，這一距離被編碼為顏色并用于模式水層的表面著色。之后，算法計算一個包圍需要觀察對象的正十二面體，將其20個頂點作為候選視角。在每個候選視角上，被著色的模式水層被渲染為一個二維圖片。圖片上的顏色分布能反映對應(yīng)視角能夠觀測到的對比差異情況。之后可以使用點圖等方法幫助用戶快速了解不同視角下的特征并提供不同視角之間的便捷導(dǎo)航。

通過檢查色調(diào)的分布，用戶可以快速獲知不同視角下模式水層的著色情況

韓國

在韓國的報告環(huán)節(jié)中，來自首爾國立大學(xué)的Hyunwoo Park教授介紹了交互式可視化如何幫助探索網(wǎng)絡(luò)數(shù)據(jù)并促進(jìn)決策過程。針對“如何智能定位節(jié)點以揭示網(wǎng)絡(luò)內(nèi)在結(jié)構(gòu)”這一問題，Park教授講述了可視化方法雙中心圖（Bicentric Diagrams）。這種方法適用于網(wǎng)絡(luò)中有兩個焦點實體的場景，如展示企業(yè)之間的合作競爭等復(fù)雜關(guān)系。Park教授接著指出，在供應(yīng)鏈管理中，網(wǎng)絡(luò)可視化技術(shù)可以呈現(xiàn)供應(yīng)鏈中的復(fù)雜供應(yīng)商關(guān)系，超越傳統(tǒng)的買賣雙方線性視角。此外，網(wǎng)絡(luò)可視化還可以應(yīng)用在商業(yè)生態(tài)系統(tǒng)分析，比如呈現(xiàn)硅谷中不同科技公司的相互關(guān)系。Park教授稱之為建立科技公司生態(tài)中的“谷歌搜索”。

Park教授介紹了他可視化生涯中的第一個工作——雙中心圖

來自首爾世宗大學(xué)的Sangbong Yoo博士介紹了“利用人工智能了解人類行為和決策”的內(nèi)容。他指出，最近人工智能研究（如大語言模型）備受關(guān)注，這些模型通過模仿人類思維的方式來解決問題。然而，人工智能要模仿人類思維，就必須了解人類的認(rèn)知過程。人的認(rèn)知過程是利用器官來收集信息，然后理解、行動直至決策。與人類不同，人工智能沒有器官，因此要想利用給定的信息做出與人類類似的決策，就必須學(xué)會從數(shù)據(jù)中獲取和利用洞察力。

Sangbong Yoo博士總結(jié)的人類的認(rèn)知決策過程

中國

在中國的報告環(huán)節(jié)，來自江南大學(xué)的龍娟娟教授在講座中闡述了敘事可視化的方法，以案例結(jié)合的方式向我們展示了如何用可視化講好一個故事。龍教授從設(shè)計路徑講起，敘事者首先需要收集與處理數(shù)據(jù)，隨后在敘事設(shè)計中從敘事、交互、視覺編碼三方面進(jìn)行循環(huán)往復(fù)的思考，再進(jìn)一步地完成技術(shù)上的測試與開發(fā)迭代。她介紹了馬提尼酒杯、交互式幻燈片和下鉆式故事等互動敘事模型，并通過自己的作品“消失的邊界——新冠疫情交互式敘事可視化設(shè)計實踐”展示了一個優(yōu)秀的敘事設(shè)計案例。隨后，龍教授全面介紹了交互設(shè)計的技術(shù)要點，包括網(wǎng)頁交互支持、可視化網(wǎng)頁中的交互方法和交互視覺元素的運用，為敘事可視化提供了實踐指導(dǎo)。

“消失的邊界”四個敘事篇章（Dust、Lights、Tears、Bloom）

來自天津大學(xué)的畢重科教授介紹了深度學(xué)習(xí)在科學(xué)可視化數(shù)據(jù)壓縮的應(yīng)用。在科學(xué)可視化中，巨大的數(shù)據(jù)規(guī)模一直制約著I/O傳輸以及存儲過程的效率?，F(xiàn)有工作通常采用降采樣進(jìn)行數(shù)據(jù)約減，其要么難以達(dá)到理想效果，要么會丟失數(shù)據(jù)中的細(xì)節(jié)結(jié)構(gòu)信息。因此，畢重科教授將深度學(xué)習(xí)方法應(yīng)用于該方向，并針對兩個挑戰(zhàn)進(jìn)行了一系列研究。首先，為了應(yīng)對大規(guī)模數(shù)據(jù)帶來的高存儲代價，畢教授給出了基于隱式神經(jīng)網(wǎng)絡(luò)表征方法。通過讓模型基于分布信息進(jìn)行自動適配的采樣，能夠在更好地記錄數(shù)據(jù)中重要的部分，并省略不重要的部分，從而實現(xiàn)數(shù)據(jù)約減目標(biāo)。另外，針對需要在數(shù)據(jù)約減的同時盡可能地保留細(xì)節(jié)結(jié)構(gòu)信息的挑戰(zhàn)，給出了基于超采樣的數(shù)據(jù)壓縮方法。通過超采樣，數(shù)據(jù)的細(xì)節(jié)部分能夠被很好地還原出來。

畢重科教授向觀眾講述大規(guī)模科學(xué)數(shù)據(jù)產(chǎn)生的背景

2024年中日韓可視化論壇圓桌論壇討論

最后的圓桌討論由Yun Jang教授主持。六位嘉賓圍繞三個話題展開了討論：“數(shù)據(jù)可視化中以人為中心的設(shè)計——將用戶放在第一位”，“從數(shù)據(jù)到洞見——交流信息的最佳方法”，以及“人工智能驅(qū)動的大規(guī)模數(shù)據(jù)可視化與故事敘述”。

Shibasaki首先就以用戶為中心的設(shè)計展開討論，他認(rèn)為用戶之間的差異性非常大，即使對于同一數(shù)據(jù)不同的用戶可能會有不同的理解，所以針對用戶的定制化是非常必要的。Yano博士結(jié)合自身經(jīng)歷補充道，系統(tǒng)交互會帶來較高的系統(tǒng)復(fù)雜性，在定制化的系統(tǒng)中應(yīng)盡可能簡化交互。龍娟娟教授則從設(shè)計師的角度出發(fā)討論了將用戶放在第一位的重要性，她認(rèn)為設(shè)計師不應(yīng)該對用戶作過多的假設(shè)，而是應(yīng)該真正地與用戶交流了解用戶的需求。在如何使用可視化溝通信息的問題上，龍娟娟教授認(rèn)為溝通應(yīng)該從最簡單的圖表開始，并結(jié)合敘事技巧幫助用戶理解，在溝通時應(yīng)該保持簡潔和專注。Park教授對此觀點表示贊同，他認(rèn)為在與領(lǐng)域?qū)＜医涣餍畔r，使用經(jīng)典圖表是更好的選擇，新穎的可視化形式反而容易讓用戶分心或迷失目標(biāo)。在人工智能相關(guān)的話題上，Park教授認(rèn)為人工智能在可視化中發(fā)展的一個重要方向就是幫助系統(tǒng)更好理解用戶和幫助用戶更好理解數(shù)據(jù)，最后，作為主持人的Yun Jang教授提出了科學(xué)可視化中人工智能方法通用化的問題，畢重科教授認(rèn)為科學(xué)可視化的數(shù)據(jù)特殊性使得發(fā)展通用模型非常具有挑戰(zhàn)。

在圓桌論壇之后，本次的中日韓可視化論壇落下了帷幕。最后，參與論壇的講者和觀眾一起走上講臺合影留念。

原標(biāo)題：《第七屆中日韓可視化論壇》

閱讀原文