搜索结果 分类目录: 论文评述

纽约市出租车数据可视化研究

Visual Exploration of Big Spatio-Temporal Urban Data:A Study of New York City Taxi Trips

作者:Nivan Ferreira, Jorge Poco, Huy T. Vo, Juliana Freire, and Cl ´ audio T. Silva

来源:VAST2013

本文主要对纽约市的出租车数据进行可视化,支持用户可视查询。系统主界面如下:

继续阅读 =>

使用粒子动画对大规模并行计算中的通信模式进行可视化

论文:Visualizing Large-scale Parallel Communication Traces Using a Particle Animation Technique

作者:Carmen Sigovan, Chris W. Muelder, and Kwan-Liu Ma

会议:EuroVis 2013

 

并行计算在提升计算速度的同时,也会由于参与并行的各个节点之间的通信而带来额外的开销。这种开销通常会随着并行规模的增大而增加,而且它对于并行性能的影响也难以测量。此外,随着一些并行库(比如ScaLAPACK)的广泛应用,底层的MPI细节被隐藏,使得对于并行计算中通信行为的分析更为困难。

本文提出了一种基于粒子动画的技术,用于分析并行计算中的通信行为。目的在于帮助用户看分析这些通信行为的模式,从而使用户可以发现影响并行性能的问题并加以优化。本文提出的方法可以支持多达16,000个处理单元的并行规模。

可视设计

下图是本文可视化的主视图,即粒子动画部分。横轴对应了处理单元(processor),按rank从小到大一次排列,并进行分组,组的边界上标明了处理单元的编号。纵轴是时间,由于在MPI的通信时间的时间跨度很大,所以采用了对数的形式。每个粒子则对应了一个MPI消息事件,不同类型的事件用不同的颜色进行编码。每当一个事件出现,就会在对应的处理单元的位置出现一个点,然后随着时间的推移,这个点会往上运动,这样一来就形成了动画。当事件结束的时候,对应的点就会停在最终的位置,然后慢慢淡出。当然,本文并没有将淡出的点直接舍弃,而是以一定的透明度叠加成了一张背景纹理,作为对历史事件的概览。

继续阅读 =>

多属性排行榜的可视分析

论文: 《LineUp: Visual Analysis of Multi-Attribute Rankings》

作者:  Samuel Gratzl, Alexander Lex, Nils Gehlenborg, Hanspeter Pfister and Marc Streit

会议:  InfoVis2013 [best paper]

排行榜在生活中很常见,对人们作决策也有一定影响。对于多属性排行榜,排名是如何计算得出的、各属性对排名的贡献多大、同一数据在不同排行榜的差异多大等等,这些大家很难从传统排行榜中直观感受到。本文提出一种可视分析方法,可以直观、交互地设计、分析、探索排行榜。

LineUp界面如下:

继续阅读 =>

工作流可视化的可视压缩新方法

论文:《Visual Compression of Workflow Visualizations with Automated Detection of Macro Motifs》

作者:Eamonn Maguire, Student Member, IEEE, Philippe Rocca-Serra, Susanna-Assunta Sansone, Jim Davies, and Min Chen, Member, IEEE

会议:Infovis2013

本文介绍了一种基于自动检测motif,并结合用户打分进行选择并生成macro,最终实现对工作流图的可视压缩。

本文工作的流程如下:

 

A:输入数据存入数据仓库

B:Motif提取算法,从数据中提取motif

C:生成motifs

D:对motifs进行打分,根据分数进行排序

E:通过交互选择motif生成macro

F:选出macro

G:为macro生成图形

H:用户为macro标注

I:将生成生成的macro插入到工作流图中。

 

继续阅读 =>

是什么特质让Hamlet如此Hamlet?

论文:Explainers: Expert Explorations With Crafted Projections
作者:Michael Gleicher
会议:IEEE VAST 2013  Honorable Mention

本文介绍了方便用户添加标注,并且可以解释的投影函数的构造方法。

这是本文方法对不同城市的各种指标构造的线性一位投影结果的可视化。

继续阅读 =>

环境光体散射

论文:Ambient Volume Scattering

会议:SciVis 2013

作者:Marco Ament, Filip Sadlo, Daniel Weiskopf

文章提出了一种利用环境光散射的光学模型,通过在每个采样点球形邻域内计算散射光强度,实现了在直接体绘制中加入散射的效果。该方法实现了物理学上光的多次散射,结果更自然,真实感更强。

下图是对超新星爆炸的体绘制结果,图a是普通的基于emission and absorption光学模型的体绘制,图b是采用ambient occlusion的体绘制,图c是采用了文章方法实现了multiple scattering光学模型的体绘制。我们可以看到,图a的空间感差,丢失了亮度和阴影的变化信息;图b实现了局部软阴影,被遮挡的地方亮度更暗,增强了空间的层次感,但是云层背向的部分十分明亮,真实感不足;图c实现了方向光产生的软阴影和间接光照,图片中间位置的亮点是光源,可以看到云层背向光源的方向多出了一些暗条纹,真实感更强。

继续阅读 =>

基于Small-Multiple的多类目数据结构比较模型

论文:A Model for Structure-based Comparison of Many Categories in Small-Multiple Displays

会议:infovis 2013

作者:Johannes Kehrer, Harald Piringer, Wolfgang Berger, and M. Eduard Groller

本文提出了一种针对Small-Multiple布局中的多类目数据的结构比较模型,在该模型中,包含三种比较,绝对比较,相对比较和层级间比较。

绝对比较是指选定一个绝对参考,其他的项与选定项进行比较。

继续阅读 =>

基于轨迹数据的交通拥堵可视分析

论文: Visual Traffic Jam Analysis Based on Trajectory Data

会议: Vast 2013

作者: Zuchao Wang, Min Lu, Xiaoru Yuan and Junping Zhang and Huub van de Wetering

 

本文设计并完成了一个基于GPS轨迹数据的探究交通拥堵的可视分析系统,界面包括以下五个模块:空间视图(Spatial View)、道路速度的像素视图(Pixel Based)、图列表视图(Graph List)、多方面过滤视图(Multi-faceted Filter)和投影图视图(Graph Projection)。 继续阅读 =>

乱色渐欲迷人眼,学习才能得主题

论文:Modeling How People Extract Color Themes from Images

会议:CHI2013

作者:Sharon Lin, Pat Hanrahan

继上一篇报告了CHI2013的论文之后,这次又选了一篇CHI的论文,来自于斯坦福的可视化组。这个组非常有必要介绍一下,领头的两个大牛一个是Pat Hanrahan教授,横跨科学可视化和信息可视化两个领域,即便不知道这个名字那今年红得发紫的数据可视化上市公司Tableau各位看官应该都是知道的,他就是联合创始人,Tableau原生于他的Polaris系统;另一个Jeffrey Heer是信息可视化和人机交互领域近几年的当红炸子鸡,论文兼顾创新性和实用性,我能说我已经是他的脑残粉了吗……

回到正题,这篇文章解决了图像的主题色提取的问题,属于颜色建模这个topic。论文的一作同一年在Eurovis、CHI和SIGGRAPH上都发表了颜色建模的文章(SIGGRAPH的论文现在处于conditionally accepted状态),Eurovis和CHI都是最佳论文之一,真可谓厚积厚发。

这次真的是回到正题,回到这篇论文。一般的主题色提取方法有k-means和fuzzy c-means的按像素颜色值聚类的方法和颜色直方图取峰值的方法。其实论文的思路并不复杂,对图像定义一系列的特征,套用多元线性回归模型LASSO,在众包平台亚马逊土耳其机器人上建立任务收集训练集,LASSO通过训练集的学习增加关键特征的权重减小冗余特征的影响,从而生成一个比较好的主题色提取模型。下面分别说明特征定义、回归模型和user study三个部分。

继续阅读 =>

文本流可视化经典之作

AT&T的Emden R. Gansner、胡一凡和Stephen North在Graph Drawing 2012上发表了一篇关于文本流可视化的文章,无论是文章解决的问题、采用的方法、最终结果甚至写作手法都堪称一流,因此此文被评为当年的Best Paper。

论文的目标是如何帮助用户领会大规模文本流数据隐含的知识,作者提出了一种可视化分析方法,重点考虑三个方面的问题:如何分析并可视化流数据;通常时间相近的消息语义上更相似;用户需要浏览文本细节的工具。为此作者开发了TwitterScope系统,动态监测Twitter上发布的消息,经过实时语义分析、聚类与可视化映射、以及动态更新视图等过程,不仅为用户呈现了Twitter中相关话题的整体视图,而且能让用户查看历史记录和消息内容,系统界面如图1.

1  TwitterScope系统界面

继续阅读 =>

第 6 页,共 7 页« 最新...34567