[论文快速浏览]SCIVIS 2014: Video and High Dimensional Data
文章列表（本section有5篇文章，4, 5两篇暂时没有full paper release出来）：
1. 《A Structure-Based Distance Metric for High-Dimensional Space Exploration with Multi-Dimensional Scaling》
2. 《The Impact of Interactivity on Comprehending 2D and 3D Visualizations of Movement Data》
3. 《GazeVis: Interactive 3D Gaze Visualization for Contiguous Cross-sectional Medical Images》
4. 《An Approach to Supporting Incremental Visual Data Classification》
5. 《Glyph-Based Video Visualization for Semen Analysis》
《A Structure-Based Distance Metric for High-Dimensional Space Exploration with Multi-Dimensional Scaling》
本文主要针对传统MDS方法结果和平行坐标结果不match的问题，基于Structural Similarity Index （SSIM）方法，设计一种新的metric，用于优化MDS结果。
使得MDS结果和平行坐标结果更加一致。
图1是第一个应用实例，eMDS是传统MDS投影结果，sMDS是本文方法。
图1
作者首先将9维的高维数据分成两个类投影到低维空间，颜色映射为淡蓝和洋红色。e是a和b对应的平行坐标结果。从e可以看出，两类数据在第4维属性上有了较大差异，因而，作者从第4维的属性出发，使用他提出的metric优化了MDS结果，使得MDS结果，从a变成了b。其次，单独观察淡蓝色的类，其平行坐标结果如f，将该类细分成两个类，颜色分别着色为黄色和淡蓝色。原始MDS结果如c，两类数据overlap较多。然后坐着观察g，发现在第5维度上两类数据差异较大，于是从该维度属性出发，将MDS结果优化为d，淡蓝色和黄色数据类明显分离开。h是将平行坐标polyline变化成均值条带进行表达的结果。更有利于观察不同数据的异同。
图2是另一个case study，图a，b，c的分析和展示过程如图1中例子，可见相对a，b和c的结果更加match。
图2
d和h中，都是先选择一个中心点，然后以一定半径扩展为一个圆，如是选定3个数据区域，着色为三种颜色。e和g都是对各自对应的另一种mds方法中着色圆形区域的数据点的直观展示，以显示两者之间（g&e,g&h）没有一一对应关系。
f是对d的平行坐标结果，i是对应h的平行坐标结果。可知，i和h的组合更加match，f对d则不是很match，例如，淡蓝色部分区域在f中几不可见，三个区域数据混合严重，但是实际上由d可知，三个区域是相互分离的。而在i中，情形和h展示的较一致。
———————————————————————————————————————————————————–
《The Impact of Interactivity on Comprehending 2D and 3D Visualizations of Movement Data》
在2D（x，y）空间中展示spatio-temporal数据（如GPS）容易导致overplotting，从而丢失信息。将时间信息当成第三维度，在3D空间中展示，容易去除空间轨迹的overlapping。然而，已有的实验无法很好地证明后者比前者更有优势。 本文的主要贡献在于：本文设计了很好的对比实验和任务，分析两者的优缺点。尤其是，发掘了交互在两种方法上对于可视化的结果的影响，有助于后人更好地理解和应用这两种方法。
本文是一个task design和user study类型的文章，因此，我们不做详细叙述，感兴趣读者可以细读该论文以参考task和user study的设计。
———————————————————————————————————————————————————–
《GazeVis: Interactive 3D Gaze Visualization for Contiguous Cross-sectional Medical Images》
本文针对从以下问题，即：连续的多张医学切片图像中捕获医生的眼动数据，抽取眼动模式，并对其进行有效的可视化，此类研究很少。针对上述数据，本文提出并实现了一个交互的3D gaze数据可视化系统 GazeVis。提出了gaze data的一种新的表达形式： gaze field。
图3
图3是gazeVis的系统界面，左边四个view是2D和3D的可视化展示窗口，右边是传输函数等控制界面。
图4
图4展示的本文的核心技术点，将gaze data通过高斯核卷积转化为一个连续的gaze field。
最后将这个field 和作为上下文的volume data一起进行可视化（体绘制）
结果如图5和6所示
图5
图6
图5左图和右图分别是调整了opacity映射的结果，图6则分别为改变高斯卷积参数的结果。
图7
图7是12个不同级别的医生的user study的结果，从左到右是专家级，一般，入门级医生的gaze数据可视化结果。可以看出，入门级的医生在观察这类数据时，没有经验，因此眼动是接近噪音分布，没有规律可循的。而专家级的就很有规律，并且无效数据很少。一般的医生介于两者之间。