亚太地区可视化领域国际会议 IEEE PacificVis 于2024年4月26日迎来最后一天的议程。早上首先是韩国延世大学的 Bongshin Lee 教授带来题为 Human-Data Interaction: Data Visualization and Beyond 的主题演讲。随后进行的是两个短论文专题，总共包含12篇短论文汇报。最后，由会议主席 Issei Fujishiro 教授主持了本届会议的闭幕式。
Bongshin Lee 教授自2024年3月起担任韩国首尔的延世大学教授。此前，她曾在美国雷德蒙德的微软研究院担任高级首席研究员。她的研究兴趣主要集中于数据可视化、人机交互和人与数据交互等领域。Bongshin Lee 教授的主题演讲题目是“人与数据的交互：数据可视化以及超越数据可视化”。
Bongshin Lee教授做主题报告
围绕人数交互（Human-Data Interaction，简称 HDI），Bongshin Lee 提出通过通过促进人与数据的交互，让数据赋能人类的观点。人数交互主要包含三个维度：数据活动（Data Activities）、设备（Devices）和受众（Audience）。其中，数据活动可以被进一步分为三种：分析与探索（Analyze&Explore）、收集（Collect）和分享（Share）。设备方面，其可供性（Affordances）、形式因素（Form factors）和能力（Capabilities）是重点关注的方面。最后，受众主要是指与数据交互的人，可以按照语境被分为工作语境（Work Context）和私人语境（Personal Context）。
Bongshin Lee教授对人数交互进行分类
Bongshin Lee 教授随后介绍了自己围绕HDI展开的一系列研究工作。在CHI 2020会议发表的InChorus 工作中她探索了在平板设备上帮助用户在不同的可视化类型之间提供一致的操作体验。而2021年的DataBreeze工作，则是将笔、触摸和语音的多模式交互与灵活的单位可视化相结合，允许人们创建系统绑定视图或手动自定义视图并与之交互，从而实现新颖的可视化数据探索体验。Bongshin Lee 教授比较了不同的输入模式的效率以及易用性等方面来分析多模态交互手段的优势。
Bongshin Lee 教授也指出，不同的交互模式是可以互相支持和组合的。在发表在2021年CHI的工作 Data@Hand 中，通过研究了如何在智能手机上促进对个人健康数据的探索，她发现使用语音进行灵活的时间操纵，能够使用户在智能手机上轻松浏览和比较个人健康数据。在移动设备交互研究领域，Bongshin Lee 教授开展了一系列工作，帮助老年人在带有语音的智能手表上收集现场活动标签等。
除此之外，Bongshin Lee 还介绍了她关于数据转换的一些工作。许多可视化创作工具对数据的格式和整洁度有严格的要求，但往往真实世界的数据并非如此。Bongshin Lee教授等研究者提出了一种名为“概念绑定”（ concept binding）的新可视化范式。这种方法区分了高层次的可视化意图和低层次的数据转换步骤，并利用人工智能助手（AI Agent）来自动转换输入数据，生成可视化和提供反馈，帮助作者检查和理解可视化。Bongshin Lee 教授构建了一个交互式可视化创作工具 Data Formulator，以证明范式的有效性。
Bongshin Lee 教授最后还指出，人工智能（AI）或许已经成为了人与数据互动过程的重要参与者。人工智能（AI）技术通过增强人机协同，提高了人与数据的交互能力。
在可视化技术，图与时间序列可视化专题中，总共有六篇短论文汇报。实验室罗煜楚同学做了就大规模非均匀交通网络的时间距离变形地图生成问题做了汇报。报告介绍了一种保留多尺度子结构的布局优化算法以应对由铁路减少的旅行时间与实际距离之间的差异带来的可达性可视化挑战。以中国铁路网络 120 年来的可达性发展变化为例，报告展示了基于该算法的 A-Map 系统，帮助用户互动地探索铁路系统的发展与变化。
罗煜楚同学汇报A-Map工作
实验室同学蒋瑞珂汇报了北京大学和西北工业大学合作就手工绘制可视化草图开展的用户实验合作研究。通过用户实验，研究者收集了具有可视化知识的人的绘图过程，然后总结了草图绘制顺序的模式。基于这些草图绘制模式，研究者进一步进行了控制实验，以评估草图生成动画是否可以帮助新手对于可视化图表的学习。
蒋瑞珂同学介绍针对手绘可视化草图的工作
为了提高非欧几里得表面上图形绘制的质量和美感，日本大学的研究者们开发了一种基于黄金分割搜索的算法，以确定环面布局中图形绘制的最优单元大小。来自悉尼大学的研究者设计并实现了新的基于 β-skeleton 的形状基度量方法已解决传统的使用平面近邻图（如Gabriel图）的形状基度量无法准确评估密集图的绘制问题。
科学可视化方面，来自浙江大学的研究者基于 GPU 的体数据库（GVDB）提出了一种名为 Depth-Box VDB 的方法，通过在有效体积块中附加深度图和使用位移映射技术来进一步减少采样次数，有效地加速了体渲染。与传统方法相比，该方法在保证体渲染质量的同时，显著提高了渲染效率。
针对时序数据，来自德国斯图加特大学的研究者分享了开源应用程序 TimeSeriesMaker 以帮助用户以直观且可共享的方式视觉化地组合时间序列数据。利用组件化架构，TimeSeriesMaker允许分析用户通过组合不同的组件（如噪声、线性趋势或季节模式）来构建具有复杂模式的时间序列数据。
人工智能+可视化与可视分析应用专题也有六篇短论文汇报，关注人工智能技术与可视化技术的结合方法，以帮助完成可视分析任务。
为了帮助读者更好地理解数学公式中的字母含义，来自台大的研究者提出了一个基于 LATEX 和人工智能辅助的原型工具 MaugVLink，以帮助论文作者快速建立可视链接增强的公式表达。
在图文对齐方面，佐治亚理工学院和微软研究院的研究者提出了 Sprite 工具，以帮助用户构建、评估、检查以及纠错计算机视觉模型。用户试验表明，相较于使用查询语言，借助可视化工具，使用者能够更加容易地找到模型的错误案例，从而帮助改进模型性能。由哈佛大学和 Adobe 研究院的研究者开发的 GenLens是一个用于系统化地评估生成AI模型输出的可视分析工具，支持用户标注、比较和分析模型输出，以识别模型错误并量化其性能。Visa 研究院的研究者介绍了 PromptLandscape。该工具能够将图像所对应的大量可能的提示词呈现为三维空间中的点，以引导用户对其的探索和解释。这对于为不同图像数据集寻找最佳的提示词，以提高零样本图像分类任务有重要的意义。
可视分析系统方面，来自台师大的研究者就在精准医疗研究中，流行病学家需要在复杂的人群中发现风险因素并分析它们对疾病的影响问题，开发了 SG-RAD系统。通过该交互式可视化系统，用户能够更快更准确地识别子群体、探索子群体的风险因素，并进一步调查这些风险因素之间的关系。来自首尔大学的研究者开发了 IoLens，允许用户交互地探索并分析从设备驱动器到虚拟文件系统等内核输入输出（I/O）堆栈在多个层面上的性能情况。该工具集成了多个可视化视图，包括热力图、雷达图和等高线图，帮助用户识别性能问题和异常。
会议主席 Issei Fujishiro 教授主持了会议闭幕式，对本次大会进行总结。本次亚太地区可视化领域国际会议 IEEE PacificVis 共有超过182位参会者，来自18个国家和地区。会议总共包含2个主题演讲，19篇TVCG论文汇报，27篇会议论文汇报，12篇短论文汇报，6篇可视化遇见人工智能论坛报告，29篇海报，以及6个可视数据故事叙述比赛作品。
在TVCG 轨最佳论文奖是来自佐治亚理工学院、乌特勒支大学和美国西北大学的合作工作 Same Data, Diverging Perspectives: the Power of Visualizations to Elicit Competing Interpretations。来自莫纳什大学和亚利桑那大学的合作论文 The Multi-Dimensional Landscape of Graph Drawing Metrics 获得了会议轨最佳论文奖。此外，会议还设有短论文、海报和故事叙述作品三部分分别的最佳与提名奖。大会主席以及分项主席为获奖团队颁奖并合影留念。
至此，亚太地区可视化领域国际会议 IEEE PacificVis 2024的总共4天的会议圆满结束。在会议期间，实验室师生和来自世界各国与地区的其他可视化学者开展了热烈的交流活动，拓展了自身的视野，收获颇丰。亚太地区的可视化活动近年来非常活跃，2025年 PacificVis 会议将在祖国宝岛台湾举行；今年7月，ChinaVis 会议将在中国香港举办。
