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。
-
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
- 相关案例:
案例2
案例3
- 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
- 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
-
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
(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。
- 映射函数计算公式:
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:
- 任务问题
- 结果数据
-
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。
网友评论