2022年6月27日至7月8日,“第十四届浙江大学可视化与可视分析暑期学校”在浙江大学紫金港校区成功举办。本次活动由中国图象图形学学会、中国计算机学会主办,中国图象图形学学会人机交互专业委员会、中国计算机学会计算机辅助设计与图形学专委会、浙江大学计算机辅助设计与图形学国家重点实验室联合承办。本次暑期学校采取线上、线下结合的方式举行,并且面向全国学生授课。本届课程的重点是大数据可视化与可视分析中的基础原理和关键技术。授课分两个部分:基础课程授课(十个中文讲座)和前沿进展报告(九个全英文讲座)。教师们在课堂上开展系统性的教学,介绍可视化领域最新的研究进展,并分享业界优秀的实战案例。此外还有丰富的实践环节,从理论到实操全方位带学生们领略大数据可视化实际的魅力,本次暑期学校吸引了超过600名来自各大高校的学生和可视化爱好者。
6月27日上午浙江大学教授巫英才代表主办方主持开幕式并致辞。在介绍了本次暑期学校的情况后,巫英才教授便从“什么是数据可视化”切入,带领大家进入了一个全新的数据世界。报告中巫英才教授深入浅出地介绍了什么是数据可视化、可视化的发展历史、为什么我们需要可视化、可视化领域的前沿问题和创作可视化的便捷工具。
图 1 巫英才教授与现场同学们的合照
接着,马里兰大学帕克分校(University of Maryland, College Park)计算机科学系助理教授刘志成为学生讲解了“事件序列的可视化分析”的前沿研究。刘志成教授首先举例说明了事件序列数据的含义及探索该序列数据的具体任务,随后介绍了已有的一些事件序列数据的视觉表达和交互工具,刘志成教授认为先进的可视分析技术应该将可视化和数据挖掘结合起来,具体来说是将模式挖掘或聚类分析与交互式可视化界面相结合,是“Human in The Loop”的一系列探索尝试。
图 2 刘志成教授作报告
6月28日上午西北工业大学计算机学院副教授刘乐介绍了有关人类感知和认知能力的内容。可视化强大的应用背后有很多基础理论和技术方法作为支撑。刘乐教授讲解了感知和认知方面的可视化基础理论,包括视觉感知、认知、格式塔理论、颜色和创作工具,帮助同学们对可视化领域的研究有更加深入的了解。
图 3 刘乐教授作报告
6月29日上午北京大学健康医疗大数据国家研究院助理教授周亮为同学介绍了有关可视化设计、变换与编码的内容。周亮教授从“信、达、雅”三个方面介绍了可视化的设计准则。“信”指可视化需要保留数据中的正确信息,不能产生偏差或歧义。“达”指可视化需要高效地传达数据中的信息,让人一目了然。“雅”指可视化的设计应当富有艺术感,更美观地呈现给用户。
图 4 周亮教授作报告
6月30日上午,南方科技大学计算机科学与工程系助理教授马昱欣向学生介绍了有关高维数据可视化的内容。课程中马昱欣教授讲解了数据降维、散点图矩阵、平行坐标系、基于图标的方法、小图表法和Dust&Magnet六种高维数据可视化方法,帮助同学们进一步理解了高维数据的可视分析方法。
图 5 马昱欣教授作报告
随后,来自维也纳技术大学(TU Wien)可视计算与人机交互中心的Eduard Gröller教授为同学们带来了题为“Interactive Visual Analytics and Modelitics”的前沿报告。Gröller教授生动形象地为同学们讲解了多种多样的视觉集成方法及相关应用案例,比如如何将空间和抽象数据更好地结合起来形成合理的交互分析回路。
图 6 Eduard Gröller教授作报告
7月1日上午,杭州电子科技大学人文艺术与数字媒体技术学院教授周志光为同学们讲解了树图与网络可视化。课程中周志光教授从层次关系数据、节点链接、空间填充、节点链接和空间填充混合可视化四个方面对树可视化进行了介绍。
图 7 周志光教授作报告
随后,卡内基梅隆大学(Carnegie Mellon University)人机交互研究所的博士后夏梦为同学们带来了“个性化在线学习的交互式可视分析”前沿报告。夏梦博士通过四篇相关论文从多个角度为同学们介绍了个性化在线学习可视分析。她认为目前有很多方法来弥合数据和用户之间的差距,用户有学习者和教育者:学习者可以直观地分析自己的学习数据,以达成学习目标;而教育者可以利用学习者产生的数据来提供个性化的指导。这一领域未来仍有许多挑战等待解决。
图 8 夏梦博士作报告
7月4日上午,浙江工业大学计算机科学与技术学院副教授孙国道讲解了“空间与地理数据可视化”。课程中,孙国道教授首先以地图作为引入,介绍了地图投影的特点,并引出时空数据分析、空间时间序列可视化分析、时空数据变换以及时空数据可视化的应用等内容。孙国道教授认为空间地理数据的挑战共有四个方面:可视化方法和系统的适用性问题;多源异构数据的综合问题;可视化系统的可伸缩性问题;专家参与和评估。
图 9 孙国道教授与同学们合影
接着,奥地利圣珀尔滕应用科技大学(St.Pölten University of Applied Sciences)高级研究员兼讲师Hsiang-Yun Wu带来了“Map the Knowledge for Human-Data Communication”前沿报告。吴老师首先介绍了可视化的流程。在数据分析阶段,常常会运用以机器为中心的技术来提取有趣的结论;在过滤阶段,通常采用以人为中心的技术来提取出数据;在映射阶段,则希望将这部分数据映射到有意义的几何图形上,以便最终渲染成图像,提供视觉显示。此外,在数据映射方面,如今不再只把视觉作为最主要考虑的感官, 比如AR、VR等技术就涉及触觉。因此,用于反馈触觉的相关物理数据也变得重要。
图 10 Hsiang-Yun Wu研究员作报告
7月5日上午,南开大学计算机科学与技术系讲师王叙萌为大家介绍了可视化中的交互。王叙萌老师首先介绍了可视化交互中的一些先驱工作和思想,然后重点介绍了七种重要的交互模式,接着介绍三大可视化交互模型包含概况与细节、聚焦与上下文以及动画,最后简单介绍了可视化交互的硬件。
图 11 王叙萌博士作报告
接着,俄亥俄州立大学(The Ohio State University)计算机科学与工程系全职教授沈汉威为大家带来了题为“Machine Learning (ML) for Scientific Visualization”的前沿报告。沈汉威教授认为机器学习将会在科学数据分析和可视化领域中扮演重要的角色。它会改变我们数据归约、转变数据、提取数据特征等处理数据的方式。最后,如何进一步削减机器学习模型的训练代价,也是未来重要的研究方向之一。
图 12 沈汉威教授作报告
7月6日上午,浙江大学的陈为教授为同学们讲解了时间数据可视化,课程的主要内容有四个方面,分别为:时间数据可视化、流数据可视化、论文分享以及时间数据可视化的设计原则。陈为教授向同学们介绍了有关时间数据可视化的概念、方法及设计原则。由于时间数据运用的广泛性,这些知识不仅能对同学们的课程设计起到一定帮助,而且能帮助同学们了解相关领域现状,为同学们从事可视化的设计与研究带来许多启发和思考。
图 13 陈为教授与同学们合影
接着,香港科技大学(广州)计算媒体与艺术系(CMA)和信息中心数据科学与分析研究所(DSA)副教授曾伟为同学们带来了“元宇宙中的人与数据交互:可视化与交互设计”前沿报告。曾伟教授在总结时指出,虚拟现实和增强现实领域中的人和数据交互将成为未来数年间的研究热点,将为领域及行业带来广泛而深远的影响。然而,目前该领域内在可视化设计与交互的设计上还有若干问题尚未解决。曾伟教授勉励同学们不止步于今天所讲解的几篇工作,将目光放眼到更长远的未来,并鼓励同学们勇于探索,促进合作,争取在该领域的研究中取得更多的研究成果,为虚拟现实、人机交互和可视化等领域做出更多独创的贡献。
图 14 曾伟教授作报告
7月7日上午,中山大学计算机科学与工程学院的副教授陶钧为大家介绍有关科学数据可视化的内容。陶钧教授首先介绍了科学可视化在医学领域的应用与案例,并逐步从科学数据可视化、标量场可视化、向量场可视化、科学可视化的工具四个方面进行介绍。
图 15 陶钧教授作报告
随后,韩国科学技术院(KAIST)人工智能研究院的副教授Jaegul Choo为同学们带来了题为“Steering Deep Neural Networks towards Interactive Data Labeling, Debiasing Classifiers, and Automatic Image Colorization”的前沿报告。Choo 教授漫谈了人工智能和可视化未来的研究趋势和研究机遇。从人工智能服务可视化的角度(AI for VIS),基于人工智能的高效模型在那些计算量极大的可视化算法(e.g. 图绘制、图布局、科学数据仿真)上非常有效。同时,如果能将可视化任务看作计算机视觉中的认知问题,大量成熟的方法也能被迁移运用。从人在回路的人工智能模型角度(Human-in-the-loop AI),现在有很多可以挖掘的问题,也面临着各种各样的挑战。
图 16 Jaegul Choo教授作报告
7月7日下午,美国犹他大学(University of Utah)科学计算和成像所(SCI)和计算机学院的副教授Alexander Lex为大家带来了题为“Literate Visualization”的前沿报告。Lex教授对文学式可视分析进行了意义的总结:语义化的交互选择和注释提供了可视分析流程中的高层次信息,可以帮助用户理解可视分析流程;为分析师提供校正可视化设计选择的工具;为将交互式可视分析流程应用到其他数据集上提供了可能性。
图 17 Alexander Lex教授作报告
7月8日上午,之江实验室研究员傅四维介绍了文本与文档可视化。傅四维研究员从文本可视化的基本概念,文本可视化的应用和社交媒体数据可视化三个方面对课程内容进行了深入浅出的讲解。
图 18 傅四维研究员与同学们合影
接着,哈佛大学(Harvard University)生物医学信息学研究员汪倩雯为同学们带来了“Interactive visualization for usable AI”的前沿报告。针对如何使用可视化来帮助用户更好地理解和使用AI系统来解决用户自己领域的问题,汪倩雯研究员认为交互式可视化需要为用户提供可解释性;可视化设计不仅要考虑人工智能方面,还要考虑用户的需求和心理;可视化应提供以用户为中心的解释和有效的反馈机制。
图 19 汪倩雯研究员作报告