美文网首页
[总结] Exploring Visual Informatio

[总结] Exploring Visual Informatio

作者: alphonseLin | 来源:发表于2021-07-26 00:26 被阅读0次

    论文标题:

    Exploring Visual Information Flows in Infographics

    Author: Min Lu, Chufeng Wang, Joel Lanir, Nanxuan Zhao, Hanspeter Pfister, Daniel Cohen-Or, and Hui Huang

    关键词:

    可视化图表、视觉信息流、设计分析、视觉认知

    主要内容:

    在阅读可视化图表中(本文以散点图为主要出发点),很多时候会因为重叠部分过多、或组团种类过多,导致读者难以快速了解图表要表达的意思。因此本文献提出了一种叫做“Winglets(小翅膀)”的方法,对经典散点图进行了改进。Winglets使用完形闭合原理来塑造读者对于组团形式的感知。<u>主要方法就是在点的周围,增加两条线段,并根据点所在的组团,对线段的长度及方向进行定义</u>。在问卷调查结果中,可以发现通过两个主要属性的巧妙设计,Winglets可以让观众在心理上加强对散点图组团的认知。最终结果表明,小翼形成了更显著的点群组团关联特征,提高了读者对于关联不确定性的感知能力。

    不/带Winglets的散点图对比

    研究结果:

    1. 研究问题

    • 散点图在处理具有多种类、倾向性的数据时,容易引起读者的混论,导致无法快速理解图表目标,需要花更多时间进行读图与类型比对。
    image.png
    • 因此,本文要解决的问题就是

      • 帮助读者更好地进行组团分割

      • 更好地进行不确定性的赋值(上图是通过颜色深浅进行赋值)

    2. 理论:知觉编组(Perceptua- Groupi -g)

    • 格式塔原理:

      • 邻近原则、相似原则、连续性原则、关闭原则
    image.png
    • 相关案例:
    案例1
    案例2
    案例3
      1. PCA聚类方式 2. 颜色区分/过渡 3. 用连续边界对数据进行包围
    • 由下图可知,有了Winglets之后,可以对图表进行一个暗示性的组团划分

    image.png
    • 本文主要采用了关闭原则,通过更改Winglets的方向性,暗示散点图的组团划分情况。

    3. 实现方法

    • 提取Winglets属性
    image.png
    • 方向:按照组团的方向,进行弯曲

    • 长度:基于离组团核心的远近距离,进行长度的设定(翅膀越短,该点与群集中其他点的关联就越不确定)

    • 弯曲程度计算方式

    image.png

    (a)计算高斯核密度图

    (b)采用步进平方算法提取采样密度的等中心线(提取等高线)

    (c)在分割成多个同级轮廓之前,选择一个全局参考轮廓进行分组

    (d)轮廓线从外到内进行插值计算

    (e)点沿着它们在轮廓上最近的方向进行延伸,得到Wi -g-ets

    • 长度的计算公式

      • 点与组团的关联不确定性,其主要影响因素为,点与组团核心的距离(范围)和映射函数。
    image.png
    • 映射函数计算公式:
    映射函数

    其中: Si——》轮廓线指数,∈[0,1]。

    • 当 n > 1时(左),机翼长度随着不确定性的增加而迅速缩短。

    • 当 n < 1时(右),远近点之间的长度差变小,这可能用于强调关联关系。

      • 本文献选择了适度的 n = 1。

    4. 实验结果(实验过程为调查问卷式)

    • 对比样例:
    image.png
    • 任务问题
    image.png
    • 结果数据
    image.png
    • 该文献的结果显示,Winglets在组团辨别任务(任务1和任务2)中比常规散点图方案有显著的优势,表明Winglets确实能促进更快更清晰的聚类关联。

    • 对于全局任务(1和3),组团数量、重叠程度与Wi -g-ets成正比。从全局上看,Winglets更有优势。

    对设计的启示:

    • 利用格式塔心理学的知觉整体性原则,增强散点图的可视化表达。

    • 这段时间一直在看图表方向的论文。有通过动画、通过变形、通过装饰物把图表变得更为清晰。但是,这次的文献里,只在图表里多添加了一点元素,竟然能让图表变得清晰很多,这一点很吃惊。

    未来:

    • 可视化图表这一领域,从上个世纪20年代就出现了的理论体系,在大多数领域里还是一直使用着原有体系、经典图表,在未来可以从不同的表达方式、添加不同的装饰物入手,进一步加强的可视化图的表达能力。

    • 在未来,可以尝试更多图表类型的可视化增强,通过添加不同的简单元素,增强其表达效果。

    相关文章

      网友评论

          本文标题:[总结] Exploring Visual Informatio

          本文链接:https://www.haomeiwen.com/subject/sfnimltx.html