亚太地区可视化领域国际会议IEEE PacificVis于2024年4月23日到26日在日本东京庆应义塾大学三田校区举办。23日是会前的论坛，24日正式开幕。4月25日，PacificVis的正式议程的第二天包括三组专题论文汇报：上午的“图与网络”专题（1篇TVCG论文，9篇会议论文），下午的“表示与框架”专题（5篇TVCG论文，5篇会议论文）与“应用与解释”专题（7篇TVCG论文，1篇会议论文）。
“图与网络”专题
“图与网络”专题主要涉及图的设计、评估和探索等方面。针对图设计，来自深圳大学的陆旻助理教授提出粘性链接（sticky links），通过胶水链接的隐喻改善边带有定量数据的节点链接图（图1）。粘性链接使用尖刺形状表示链接强度，强度由弱至强过程中边会表现出从两个断裂尖刺到连接线的变化。相比于传统的宽度编码方式，粘性链接能实现更有效、更有表现力的定量编码，同时保持节点链接的感知。
图1：使用边的粗细编码定量数据（左）与采用粘性链接（右）的比较。
许多真实世界的数据集往往由庞大的网络组成，怎么绘制大型网络成为图可视化的重要任务。罗马特雷大学的Giuseppe Di Battista教授等人提出了为大图内部结构提供快速示意图的可视化方法Treebar Map。该方法基于k-core算法，用于展示k-core的数量、大小及其包含关系。方法进一步借用等高线尺度来进行简化，即绘制时只从连续的k中选择若干个。而柏林洪堡大学的Lukas Berner针对海量路网数据设计了基于收缩层次结构（Contraction Hierarchies）的改进策略，在解决拓扑不一致和路网失真等问题的同时优化了查询时间。
前几篇论文都是针对单个图提出具体的设计方案，埃因霍温理工大学的Nathan van Beusekom则探索了针对图集合邻接矩阵的上下文排序方法。上下文排序比单个图排序具有更高水平的一致性，比所有图同时排序能提供更高的排序质量。
在评估方面，来自莫纳什大学的Gavin J. Mooney等人探讨了十种归一化图绘制布局指标的范围和分布（图2）。通过对多维美学空间的探索，Mooney强调了覆盖较大或较小美学空间的图绘制算法。这篇论文也获得了Conference track的最佳论文奖。
图2：十种归一化图绘制布局指标的范围和分布
来自悉尼大学的Seok-Hee Hong教授则提出了新的图聚类忠实度指标（图3）。聚类忠实度反映了图绘制中顶点的几何聚类在多大程度上反映了图中顶点的真实聚类。针对传统基于K-Means的指标倾向于计算大小均匀聚类的问题，Hong教授提出使用层次聚集聚类，为不均匀的聚类大小计算出更精确的几何聚类。
图3：基于K-Means和层次聚集聚类算法的忠实度指标比较。
最后，在图探索上，俄亥俄州立大学的Rui Qiu介绍了他们构建并公开发布的TVCG期刊论文知识图谱TVCG-KG（图4）。TVCG-KG是异构信息的结构化表示，包括每篇论文的元数据（如作者）和语义信息（如方法、任务、数据）。TVCG-KG支持用户探索分析，以增强决策信心。
图4：TVCG-KG概览
“故事叙述”竞赛
“故事叙述”竞赛中，共有六个作品进入了短名单。《繁花盛于旧时：里弄上海弄堂的历史与人文》展示了上海石库门的历史，记录石库门里弄在城市发展中逐渐消失的景观。《银河流转，诗说星象》可视化了唐诗中的星象，涵盖其流行程度、方法、情感表达和诗人的偏好。《城市脉搏：全球地铁线路发展史》对地铁线路进行抽象简化，从地铁的拓扑结构出发，通过计算地铁线路颜色、里程、覆盖率，生成城市方格，用艺术化的表达呈现全球地图线路的动态变化。《人工智能错误作为灵感催化剂：人类与人工智能的协同激发创意进化》，收集了天、地、人三个方面的数据集，将目标检测的错误结果转化成创意，帮助用户探索人工智能如何感知世界。《股票森林：通过可视化揭示股票市场不断演变的故事》通过多维数据映射的方式探讨了美国股市的演变，用一棵树来比喻每家上市公司。通过检查树的颜色、高度和宽度等特征，揭示了不同公司的健康状况和市场估值。《破碎之美，惜物之心》用交互式网页介绍了金缮这门古老的技艺的起源与发展。（所有作品的视频都可以在竞赛官网观看：https://visstory.github.io/#winners）
图5：实验室同学陈昕悦与访问同学杨雨彤汇报《城市脉搏：全球地铁线路发展史》。
“表示与框架”专题
数据质量是每个可视化创作者都会遇到的问题。浙江大学的熊凯等人为我们介绍了一个交互式可视化系统JsonCurer，旨在帮助用户管理JSON数据的质量。在数据维度方面，亚利桑那州立大学与Aviz的研究者合作探讨了2D和3D视觉表示相结合的设计空间（图6），并提供了设计指南，以促进这两种视觉表示的有效结合。
图6：2D+3D设计空间概览
在表示技术方面，来自慕尼黑工业大学的研究者提出了一种自适应采样方法，用于3D空间相关性的焦点+上下文可视化，大大提高了生成上下文和焦点视图的效率。
在对可视化表示效果的评估方面，德国斯图加特大学的Nils Rodrigues等学者评估了在散点图之间转换时使用的多种基于样条和旋转的动画过渡技术，并通过众包用户研究，比较了不同动画技术在追踪单个数据点和数据群集方面的有效性。来自北京理工大学的李国政和李润飞则针对表格中的痛点提出了CoInsight系统（图7），这是一个用于促进层次表格的视觉叙事系统，通过连接洞察力来组织数据洞察。
图7：基于CoInsight的层次表视觉数据叙事流程
可视化中的注释也同样值得重视，来自阿尔托大学的史丹青等学者开发了一种用于注释散点图的计算方法，通过分析数据洞察和观察图表，逐步生成图形注释，帮助用户减少读取散点图所需的时间和精力（图8）。
图8：自动标注散点图的例子
本次会议中也有很多对可视化技术的创新，来自亚利桑那大学的Jacob Miller等人介绍了一种新的高维数据可视化技术ENS-t-SNE，它能够在单个3D嵌入中捕捉多个子空间的信息，并通过不同的视角比较不同类型的簇。
浙江大学的Rusheng Pan等提出了一种将传统的二维邻接矩阵扩展到三维空间的方法，以更好地可视化社交网络中的闭合三元组，并设计了一个3D矩阵重排序技术和一个沉浸式交互系统，帮助用户可视化和分析社交网络中的闭合三元组。该团队的另一个工作提出了一种视觉查询系统Sample2SQL，用户可以基于少量已知风险企业样本进行交互式分析，获取表达查询结果的SQL语句，以高效识别风险企业。
“应用与解释”专题
在应用与解释专题中，ScrollTimes（图9）可视分析系统通过提取传统中国画卷的数据来源来为其创建“传记”；TacPrint则是一个生成乒乓球运动员生物力学指纹的工作，用于帮助运动员克服技术弱点。
图9：ScrollTimes可视分析系统
在“解释”方面，也有不少学者进行了跨学科的研究。如来自佐治亚理工学院的Cindy Xiong通过心理学实验探讨了数据可视化图表的主观性：不同的人看同一个图表可能看到不同的结论（图10(a)：鸭兔错觉）。作者着重强调同一张图表在经过不同的标注后会产生不同的效果（图10(b),(c)，图11），并呼吁严谨的标注设计。这篇论文获得了本次会议TVCG track的最佳论文奖。
图10：鸭兔错觉。
图11：颜色、标注对于人们参与数据视觉决策的影响。
来自加拿大西蒙弗雷泽大学与美国东北大学的研究者合作通过实证研究探讨了人们理解信息可视化时面临的挑战和应对策略，揭示了细节和微妙的视觉元素如何影响可视化的可理解性。
从这一天的会议内容中可以看到，当今可视化研究的范围相当广泛，研究者一方面应对可视化实际问题，提出了各种具有创新性的方法和设计。同时可视化研究也越来越多关注使用者对可视化内容的认知和理解。而在可视化应用方面，涉及范围也愈加广泛，新的领域问题就有可能催生更多的可视化工作。IEEE PacificVis 2024会议为全球可视化领域的专家与学者提供了一个交流平台，共同探讨最新的研究进展和技术应用。25日议程还包括会议组织的晚宴。在东京湾船上举行的晚宴，别具特色，令参加者印象深刻。
欢迎关注北京大学可视分析微信公众号（VisualAnalytics），获取最新消息。
北京大学可视化/可视分析博客
http://vis.pku.edu.cn/blog/
