原創 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義塾大學三田校區北館舉行。來自中國、日本、韓國的三十多位可視化學者參加了活動。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的袁曉如，日本慶應義塾大學的Issei Fujishiro和韓國世宗大學的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者進行報告，在六個匯報結束之后，六位報告者共同參與了一個圓桌論壇。

日本

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

來自慶應義塾大學的Fuminori Shibasaki首先介紹了在美術作品中計算引導線的工作。美術作品中稀疏分布的物體、漸變、筆觸、人物姿勢等，都會被作者用于設置引導線。這些引導線可以強調重要物體，并指引欣賞者的觀看順序。他們提出可以根據計算顯著性地圖表示這些元素，并通過梯度確定引導線的方向。他們使用Morse-Smale復形對顯著性地圖的梯度進行抽象，根據復形的極值點和鞍點獲得與引導線相關的子圖，并設置閾值對子圖進行拓撲的簡化。在評估中，他們發現方法在靜物畫和自然風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容。

Shibasaki講解提取美術作品引導線的算法流程

接下來，御茶水女子大學的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。在虛擬現實環境中，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航。

通過檢查色調的分布，用戶可以快速獲知不同視角下模式水層的著色情況

韓國

在韓國的報告環節中，來自首爾國立大學的Hyunwoo Park教授介紹了交互式可視化如何幫助探索網絡數據并促進決策過程。針對“如何智能定位節點以揭示網絡內在結構”這一問題，Park教授講述了可視化方法雙中心圖（Bicentric Diagrams）。這種方法適用于網絡中有兩個焦點實體的場景，如展示企業之間的合作競爭等復雜關系。Park教授接著指出，在供應鏈管理中，網絡可視化技術可以呈現供應鏈中的復雜供應商關系，超越傳統的買賣雙方線性視角。此外，網絡可視化還可以應用在商業生態系統分析，比如呈現硅谷中不同科技公司的相互關系。Park教授稱之為建立科技公司生態中的“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”的內容。他指出，最近人工智能研究（如大語言模型）備受關注，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知過程。人的認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，就必須學會從數據中獲取和利用洞察力。

Sangbong Yoo博士總結的人類的認知決策過程

中國

在中國的報告環節，來自江南大學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。龍教授從設計路徑講起，敘事者首先需要收集與處理數據，隨后在敘事設計中從敘事、交互、視覺編碼三方面進行循環往復的思考，再進一步地完成技術上的測試與開發迭代。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計實踐”展示了一個優秀的敘事設計案例。隨后，龍教授全面介紹了交互設計的技術要點，包括網頁交互支持、可視化網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。

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

來自天津大學的畢重科教授介紹了深度學習在科學可視化數據壓縮的應用。在科學可視化中，巨大的數據規模一直制約著I/O傳輸以及存儲過程的效率。現有工作通常采用降采樣進行數據約減，其要么難以達到理想效果，要么會丟失數據中的細節結構信息。因此，畢重科教授將深度學習方法應用于該方向，并針對兩個挑戰進行了一系列研究。首先，為了應對大規模數據帶來的高存儲代價，畢教授給出了基于隱式神經網絡表征方法。通過讓模型基于分布信息進行自動適配的采樣，能夠在更好地記錄數據中重要的部分，并省略不重要的部分，從而實現數據約減目標。另外，針對需要在數據約減的同時盡可能地保留細節結構信息的挑戰，給出了基于超采樣的數據壓縮方法。通過超采樣，數據的細節部分能夠被很好地還原出來。

畢重科教授向觀眾講述大規模科學數據產生的背景

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：“數據可視化中以人為中心的設計——將用戶放在第一位”，“從數據到洞見——交流信息的最佳方法”，以及“人工智能驅動的大規模數據可視化與故事敘述”。

Shibasaki首先就以用戶為中心的設計展開討論，他認為用戶之間的差異性非常大，即使對于同一數據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博士結合自身經歷補充道，系統交互會帶來較高的系統復雜性，在定制化的系統中應盡可能簡化交互。龍娟娟教授則從設計師的角度出發討論了將用戶放在第一位的重要性，她認為設計師不應該對用戶作過多的假設，而是應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，龍娟娟教授認為溝通應該從最簡單的圖表開始，并結合敘事技巧幫助用戶理解，在溝通時應該保持簡潔和專注。Park教授對此觀點表示贊同，他認為在與領域專家交流信息時，使用經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。在人工智能相關的話題上，Park教授認為人工智能在可視化中發展的一個重要方向就是幫助系統更好理解用戶和幫助用戶更好理解數據，最后，作為主持人的Yun Jang教授提出了科學可視化中人工智能方法通用化的問題，畢重科教授認為科學可視化的數據特殊性使得發展通用模型非常具有挑戰。

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。

原標題：《第七屆中日韓可視化論壇》

閱讀原文