Automating the Path: An R&D Agenda for Human-Centered AI and Visualization
Aarhus University（奥胡斯大学）
本文提出系统框架，将HCAI的四大工具能力映射到视觉意义构建四阶段，回顾工具、展望未来、识别挑战与伦理考量，为可视化领域整合AI及支持HCAI研究提供研发议程。
2025-04-10 cs.HC
Understanding the Impact of Referent Design on Scale Perception in Immersive Data Visualization
本文通过受控用户研究评估了沉浸式可视化中参照物布局和尺寸对尺度感知的影响，发现in-situ布局显著提升准确性与置信度，中等尺寸参照物在效率任务中表现最佳，并据此提出了设计指南。
2024-03-24 cs.HC
Visualization and Comparison of AOI Transitions with Force-Directed Graph Layout
本文提出一种基于分层AOI结构和N-grams的注视轨迹可视化方法，通过力导向图布局展示多AOI间的转换模式及多轨迹差异，帮助分析人员高效发现注视趋势和参与者差异。
2025-05-24 cs.HC
User-Centered AI for Data Exploration: Rethinking GenAI's Role in Visualization
本文倡导从以自动化为中心转向以用户为中心的自适应GenAI可视化工具，通过评估用户专业水平并动态调整交互与推理，使GenAI成为增强认知的智能协作者。
2025-04-08 cs.HC
Patient-centered visualization of multistage cancer treatment trajectories
University of Applied Sciences of the Grisons（格劳宾登应用科学大学）；Universitätsklinikum Carl Gustav Carus an der Technischen Universität Dresden（德累斯顿工业大学卡尔·古斯塔夫·卡鲁斯大学附属医院）
针对低健康素养患者，提出基于时间线的静态和交互式可视化方法，通过AML案例评估显示静态可视化显著提升理解，而交互增加认知负担。
2026-06-16 cs.HC
Roboviz: A Game-Centered Project for Information Visualization Education
由于其教学优势，信息可视化课程的大型期末项目已成为标准做法。学生需要一个真实或模拟的客户端，一个数据集和一组模糊的目标来创建一个完整的可视化或可视化分析产品。不幸的是，许多项目的目标不明确，客户期望过高或过低，以及数据限制，这些限制使学生将时间花在非可视化问题上（例如，数据清理）。这些都是重要的技能，但往往是次要的课程目标，不可预见的问题可能会严重阻碍学生。我们为我们的信息可视化课程创建了一个替代方案：Roboviz，这是一个实时游戏，学生可以通过构建一个以可视化为中心的界面来玩。通过围绕四种不同的数据类型设计游戏机制，该项目允许学生创建各种交互式可视化。学生团队与他们的同学进行比赛，目的是收集最多（好）的机器人。策略的灵活性鼓励可变性，一系列方法，并解决邪恶的设计约束。我们描述了这个游戏的建设，并报告了两年多的学生项目。我们进一步展示了游戏机制如何扩展或适应其他基于游戏的项目。
2022-08-08 cs.HC
A parent-centered radial layout algorithm for interactive graph visualization and animation
我们已经开发了（1）一个图形可视化系统，允许用户通过查看它们作为一系列交互选择的生成树来探索图形，（2）一个径向图布局算法，以及（3）一个动画算法，该算法生成有意义的可视化和图形之间的平滑过渡，同时最大限度地减少过渡期间和静态布局中的边缘交叉。我们的系统类似于Yee et al.（2001）的径向布局系统，但主要区别在于每个节点都位于以其自己的父节点为中心的坐标系上，而不是所有节点都位于单个坐标系上。因此，我们的系统很容易定义递归和本身的并行化。它还保证布局具有许多很好的属性，例如：它保证某些边缘在动画期间不会交叉。我们比较了我们的算法所产生的布局和过渡Yee等人。从几个实验的结果表明，我们的系统产生更少的边缘交叉之间的图形绘制的过渡过程中，和过渡更经常涉及局部缩放的变化，而不是结构。这些发现表明，该系统有希望作为一个互动的图形探索工具，在各种设置。
2006-06-01 cs.CG cs.GR cs.HC
Falx: Synthesis-Powered Visualization Authoring
现代可视化工具旨在让数据分析师轻松创建探索性可视化。当输入数据布局符合可视化设计时，用户可以通过将数据列映射到设计的视觉通道来容易地指定可视化。然而，当数据布局和设计之间存在不匹配时，用户需要在数据转换上花费大量精力。我们提出了Falx，一个合成动力的可视化工具，允许用户以类似简单的方式指定可视化，但无需担心数据布局。在Falx中，用户使用输入中的具体值如何映射到视觉通道的示例来指定可视化，Falx自动推断可视化规范并转换数据以匹配设计。在一项由33名数据分析师参与的关于四个涉及数据转换的可视化任务的研究中，我们发现用户可以有效地采用Falx来创建他们无法实现的可视化。
2021-02-01 cs.HC cs.PL
A User-centered Approach for Optimizing Information Visualizations
信息可视化的优化是耗时且昂贵的。为了减少这种情况，我们提出了一个改进现有的优化方法的基础上以用户为中心的设计，专注于可读性，可理解性和用户满意度作为优化目标。变更包括（1）用户界面和表示的单独优化，（2）表示的全自动评价，以及（3）同时创建和评价界面变体的定性用户研究。在这些结果的基础上，我们能够找到一个局部最优的信息可视化在一个有效的方式。
2020-02-13 cs.GR cs.HC
Evaluation of two interaction techniques for visualization of dynamic graphs
动态图的可视化的几种技术是基于不同的空间安排的时间序列的节点链接图。文献中的许多研究已经调查了在这个时间序列上维护用户的心理地图的重要性，但通常每个布局被认为是一个静态的图形绘制和用户交互的影响被忽视。我们进行了一个基于任务的控制实验，以评估两个基本的互动技术的有效性：调整布局的稳定性和突出显示相邻的节点和边缘。我们发现，一般来说，这两种交互技术提高了准确性，有时以较长的完成时间为代价，突出显示超过了许多任务的稳定性调整，除了最复杂的。
2016-08-31 cs.HC
Comparative Layouts Revisited: Design Space, Guidelines, and Future Directions
我们对三种比较布局（即，并置、叠加和显式编码），它们是设计用于支持比较任务的信息可视化（InfoVis）布局。在过去的十年中，这些布局已经成为设计许多可视化系统的基本习惯用法。然而，我们发现，布局已使用不一致的术语和混乱，从以前的研究是支离破碎的教训。我们的研究目标是从以前的研究中提炼出一个一致的和可重用的框架。我们回顾了127篇研究论文，其中包括15篇采用比较布局的定量用户研究论文。我们首先通过建议清晰的术语（例如，图表式和项目式并置）。然后，我们确定了比较布局的各个方面，如在现实世界中使用每种布局的优势和问题，以及研究人员克服这些问题的方法。在Gleicher等人的初步见解的基础上建立我们的知识。的调查，我们详细阐述了相关的经验证据，我们从我们的调查（例如，布局在不同研究设置中的实际有效性）并识别原始工作没有覆盖的新颖方面（例如，人们对布局的熟悉度）。最后，我们展示了比较布局的性能上的一致和矛盾的结果，并通过提出权衡和七个可操作的指导方针，为使用布局提供了实际意义。
2020-09-01 cs.HC
Fields, Bridges, and Foundations: How Researchers Browse Citation Network Visualizations
本研究通过分析18名研究人员使用网络简化界面浏览引文网络的行为，揭示了识别论文的六种模式（分为领域、桥梁和基础及两种视角），发现面向连接的方法更可靠但面向布局更常用，强调需平衡二者以提升系统有效性。
2024-09-11 cs.HC
How Aligned are Human Chart Takeaways and LLM Predictions? A Case Study on Bar Charts with Varying Layouts
本研究以不同布局柱状图为案例，通过三项实验评估LLM生成图表结论与人类结论的对齐程度，发现LLM难以生成准确结论且比较类型与人类不匹配，揭示了其在模拟人类数据解释时的挑战与机遇。
2024-09-23 cs.HC
TGView3D System Description: 3-Dimensional Visualization of Theory Graphs
我们描述TGView3D，一个交互式的3D图形浏览器优化探索理论图。为了利用这三个空间维度，它扩展了具有层次组件的力导向布局。由于常规显示器的限制，该系统还支持使用盔装显示器，并利用几个虚拟现实交互概念。
2020-02-27 cs.HC
CerebroVis: Designing an Abstract yet Spatially Contextualized Cerebral Arteries Network Visualization
人脑中的血液循环是通过脑动脉网络供应的。如果临床医生怀疑病人有中风或其他脑血管疾病，他们会安排成像检查。神经放射科医生在视觉上搜索扫描结果中的异常。他们的视觉搜索任务对应于浏览和路径跟踪的抽象网络分析任务。为了帮助神经放射科医生识别脑动脉异常，我们设计了CerebroVis，一种新颖的抽象-但空间背景化-脑动脉网络可视化。在这项设计研究中，我们贡献了一个新的框架和定义的脑动脉系统的网络理论和神经放射学领域的目标，抽象的可视化和网络分析任务的特点。通过一个迭代的，以用户为中心的设计过程中，我们开发了一个抽象的网络布局技术，结合脑动脉的空间背景。抽象的可视化能够在3D几何表示上提高域任务性能，同时包括空间上下文有助于保留用户对底层几何的心理地图。我们提供了我们的网络布局技术和原型脑动脉可视化工具的开源实现。我们通过成功布局61个开源大脑扫描来展示我们技术的鲁棒性。我们通过与三位神经放射科医生的混合方法研究来评估我们的布局的有效性。在一项形成性对照实验中，我们的研究参与者使用CerebroVis和传统的3D可视化来检查真实的脑动脉成像数据并识别模拟的颅内动脉狭窄。参与者在使用CerebroVis识别狭窄方面更准确（绝对风险差异13%）。这篇论文的免费副本、评估激励和数据以及源代码可在https://osf.io/e5sxt/上获得。
2019-10-15 cs.HC
A Deixis-Centered Approach for Documenting Remote Synchronous Communication around Data Visualizations
本文提出一种以指示语为中心的协作数据会议记录方法，通过捕捉光标手势与音频并利用大语言模型生成带上下文注释的交互式文档，用户研究表明其优于录像、文字记录和手动笔记。
2024-08-07 cs.HC
GuidelineExplorer -- Navigating through the Forrest of Actionable Guidelines on Node-Link Graph Visualization
本工作收集并构建节点-链接图可视化的可操作指南，并提出可视化交互系统GuidelineExplorer，将指南直接应用于图，以简化设计过程并促进研究社区合作。
2024-06-08 cs.HC
Context-KG: Context-Aware Knowledge Graph Visualization with User Preferences and Ontological Guidance
The Ohio State University（俄亥俄州立大学）；Bosch Center for Artificial Intelligence（博世人工智能中心）
本文提出Context-KG框架，通过大语言模型提取用户偏好，结合本体引导布局，提升知识图谱可视化的可解释性和任务性能。
2026-04-11 cs.HC
Reading Strategies for Graph Visualizations that Wrap Around in Torus Topology
本文分析对照研究中的眼动数据，探究环面拓扑环绕节点-链接图的阅读策略，发现非复制布局扫视和兴趣区转移更多，全上下文搜索更成功但空间利用仍可优化。
2023-04-26 cs.HC
A human centered perspective of E-maintenance
E-维护是一种旨在组织和构建产品整个生存周期中的ICT的技术，以开发有效和高效的维护支持系统。电子维护目前的挑战是为负责维护的用户开发通用的可视化解决方案。AR可以成为电子维护可视化的潜在技术，因为它可以将知识带入真实的物理世界，以帮助技术人员执行他/她的工作，而无需中断以查阅手册获取信息。本文提出了一种先进的接口开发的方法，人类意识的电子维修，使复杂的维修过程可以更安全，更好的质量，更快，随时随地。
2014-07-10 cs.HC
A Deep Generative Model for Graph Layout
University of California, Davis（加州大学戴维斯分校）
不同的布局可以表征同一图形的不同方面。因此，找到一个“好”的图形布局是图形可视化的一个重要任务。在实践中，用户经常通过使用不同的方法和不同的参数设置在多个布局中可视化图形，直到他们找到最适合可视化目的的布局。然而，这种试错过程往往是偶然的和耗时的。为了向用户提供一种直观的方式来导航布局设计空间，我们提出了一种技术，使用深度生成模型系统地可视化各种布局中的图形。我们设计了一个编码器-解码器架构，从一组示例布局中学习模型，其中编码器表示潜在空间中的训练样本，解码器从潜在空间中生成布局。特别是，我们训练模型，以构建一个二维的潜在空间，用户可以轻松地探索和生成各种布局。我们通过对生成的布局进行定量和定性评估来展示我们的方法。我们的评估结果表明，我们的模型是能够学习和概括抽象概念的图形布局，而不仅仅是记忆的训练样本。总之，本文提出了一种全新的图形可视化方法，其中机器学习模型可以学习从示例中可视化图形，而无需手动定义语法。
2019-10-15 cs.GR cs.HC cs.LG
Exploring MLLMs Perception of Network Visualization Principles
Technical University of Munich（慕尼黑工业大学）
研究测试多模态大语言模型是否能在网络布局属性感知任务中匹配人类表现，发现MLLMs在同等条件下表现优于非专家，且提示工程可提升性能，表明其可能依赖视觉代理而非计算实际值。
2026-04-09 cs.HC
A Literature-based Visualization Task Taxonomy for Gantt Charts
针对甘特图在大规模数据下的渲染与交互挑战，通过文献综述提出低层可视化任务分类法，并关联至所需数据查询，以辅助开发者。
2024-08-20 cs.HC
Using a negative spatial auto-correlation index to evaluate and improve intrinsic TagMap's multi-scale visualization capabilities
本文将负空间自相关指数引入基于TIN的内在标签地图布局方法，通过迭代过滤候选标签优化多尺度可视化能力，实验证明其在紧凑度与时间效率间存在权衡。
2024-08-08 cs.HC cs.IR
Data Navigator: An accessibility-centered data navigation toolkit
针对残障人士数据可视化无障碍性不足的问题，提出基于动态图结构的 Data Navigator 工具包，支持多种输入模态，可构建可导航结构，并通过三个案例验证其有效性。
2023-08-16 cs.HC
Data Humanism Decoded: A Characterization of its Principles to Bridge Data Visualization Researchers and Practitioners
针对 Data Humanism 原则在研究中界定模糊的问题，本文结合文献综述、多媒体分析与专家访谈刻画其 13 项原则，并经 Lupi 咨询验证及案例解码，为可视化研究与实践建立共同语言。
2025-08-30 cs.HC
Spatial Visual Analytics for Multi-Document Summary Verification
Virginia Tech（弗吉尼亚理工大学）；Department of Defense（国防部）；Tulane University（杜兰大学）
该研究针对多文档摘要验证难题，提出SVS视觉分析系统，含两种二维布局，实验表明其可提升验证准确性、降低工作量，SUMMARY-GUIDED布局综合表现最优。
2026-08-03 cs.HC
Human-centered evaluation of data visualization understanding in vision-language models
Department of Psychology at Stanford University（斯坦福大学心理学系）；Department of Linguistics at Stanford University（斯坦福大学语言学系）；Department of Communication at University of California, Los Angeles（加州大学洛杉矶分校传播系）
本研究评估八个视觉-语言模型在六项人类数据可视化素养测试中的表现，发现模型平均逊于人类且错误模式不同，表明其作为人类推理模型的潜力有待提升。
2026-10-22 cs.CL cs.CV cs.HC
Advanced Proof Viewing in ProofTool
序列演算广泛用于形式化证明。然而，由于数据的激增，即使是简单的数学论证的证明很快也变得不可能。图形用户界面在这方面有所帮助，但由于它们通常使用Gentzen的原始符号，因此一些问题仍然存在。在本文中，我们介绍了一些证据可视化的标准，我们发现这些标准对于分析证据至关重要。然后，我们评估最近的事态发展，在树的可视化方面的这些标准，并提出了朝阳树布局作为传统的树结构的补充。这种布局将推理构造为围绕根推理的同心圆弧，允许用户专注于证明的结构内容。最后，我们描述了它集成到ProofTool，并解释它如何与Gentzen布局交互。
2014-10-30 cs.HC cs.LO
NetPanorama: A Declarative Grammar for Network Construction, Transformation, and Visualization
本文提出声明式领域特定语言 NetPanorama，用原语和构建块统一完成网络构建、转换、编码与交互，支持多种网络可视化并简化应用开发。
2025-02-18 cs.HC
Ask and You Shall Receive (a Graph Drawing): Testing ChatGPT's Potential to Apply Graph Layout Algorithms
Northeastern University（东北大学）；TU Wien（维也纳工业大学）
大语言模型（LLM）最近风靡全球。他们可以生成连贯的文本，进行有意义的对话，并学习概念和基本指令集-例如算法的步骤。在这种情况下，我们有兴趣通过在ChatGPT上进行实验来探索LLM在图形绘制算法中的应用。这些算法用于提高图形可视化的可读性。LLM的概率性质对正确实现算法提出了挑战，但我们相信LLM从大量数据中学习并应用复杂操作的能力可能会导致有趣的图形绘制结果。例如，我们可以让编码背景有限的用户使用简单的自然语言来创建有效的图形可视化。自然语言规范将使数据可视化对更广泛的用户更容易访问和用户友好。探索LLM的绘图能力还可以帮助我们更好地理解如何为LLM制定复杂的算法;这是一种可以转移到计算机科学其他领域的知识。总的来说，我们的目标是阐明使用LLM进行图形绘制的令人兴奋的可能性，同时对它们所带来的挑战和机遇进行平衡的评估。本文的免费副本以及复制我们的结果所需的所有补充材料可在https://osf.io/n5rxd/?上获得View_only=f09cbc2621f44074810b7d843f1e12f9
2023-03-03 cs.AI cs.HC
PlotThread: Creating Expressive Storyline Visualizations using Reinforcement Learning
Zhejiang Lab（之江实验室）；State Key Lab of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室）；VIS/VISUS, University of Stuttgart（斯图加特大学可视化与交互系统研究所）；Alibaba Group（阿里巴巴集团）
故事情节可视化是呈现情节演变和揭示人物之间场景互动的有效手段。然而，故事情节可视化的设计是一项艰巨的任务，因为用户需要在美学目标和叙事约束之间取得平衡。尽管基于优化的方法在产生美观和清晰的布局方面已经得到了显著的改进，但是现有的（半）自动方法在1）故事情节设计空间的有效探索和2）故事情节布局的灵活定制方面仍然受到限制。在这项工作中，我们提出了一个强化学习框架，训练一个人工智能智能体，帮助用户有效地探索设计空间，并生成优化的故事情节。基于该框架，我们介绍了PlotThread，一个创作工具，它集成了一组灵活的交互，以支持轻松定制的故事情节可视化。为了将人工智能智能体无缝集成到创作过程中，我们采用了一种混合主动方法，即智能体和设计师在同一画布上工作，以促进故事情节的协同设计。我们通过定性和定量实验评估了强化学习模型，并使用一系列用例演示了PlotThread的用法。
2020-09-01 cs.AI cs.HC
Measuring Effects of Spatial Visualization and Domain on Visualization Task Performance: A Comparative Study
了解您的受众是创建高影响力可视化设计的基础。然而，个体差异和认知能力也会影响与信息可视化的交互。不同的用户需求和能力表明，一个人的背景可能会影响认知性能和互动的视觉系统的方式。本研究建立在当前特定领域的可视化和认知研究的基础上，以解决领域和空间可视化能力是否会影响信息可视化任务的表现。我们测量了那些受过高等教育的人和商业，法律和政治科学，数学和计算机科学专业人士之间的空间可视化和视觉任务表现。我们进行了一项在线研究，90名参与者使用一个既定的心理测试，以评估空间可视化能力，并沿笛卡尔和极坐标旋转的条形图布局，以评估性能的空间旋转数据。准确性和响应时间随图表类型和任务难度的不同而变化。研究发现，空间视觉化水平与准确度和时间相关，数学和计算机科学的教育程度可以指示较高的空间视觉化水平。此外，我们发现不同的动机会影响绩效，因为更高的动机可能有助于提高准确性水平。我们的研究结果表明，纪律不仅影响用户需求和与数据可视化的交互，而且还影响认知特征。我们的研究结果可以推进可视化设计中的包容性实践，并增加特定领域视觉研究的知识，使跨学科的设计师能够创建有效的可视化。
2022-09-11 cs.HC
Juniper: A Tree+Table Approach to Multivariate Graph Visualization
分析大型多变量图在许多领域都是一个重要的问题，但这样的图是具有挑战性的可视化。在本文中，我们介绍了一种新颖的，可扩展的，树+表的多元图可视化技术，这使得许多与多元图分析相关的任务更容易实现。我们遵循的核心原则是有选择地查询感兴趣的节点或子图，并将这些子图可视化为图的生成树。树是线性布局的，这使我们能够将节点与可以显示不同属性的表格可视化并列。我们还使用这个表作为邻接矩阵，因此所得到的技术是一个混合的节点链接/邻接矩阵技术。我们在Juniper中实现了这一概念，并使用一组交互技术对其进行了补充，这些技术使分析师能够动态地增长，重组和聚合树，以及更改布局或显示节点之间的路径。我们展示了我们的工具在不同多元网络的使用场景中的实用性：学者，论文和引用度量的二分网络和故事人物，地点，书籍等的多类型网络。
2018-08-01 cs.HC
AI-Centered Grand Challenges in Visual Analytics for Healthcare: Synthesizing the VAHC 2025 Community Experience
University of Zürich（苏黎世大学）；TU Wien（维也纳工业大学）；University of Nottingham（诺丁汉大学）；University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）；Eindhoven University of Technology（埃因霍温理工大学）
本文通过VAHC 2025研讨会，结合论文编码和小组讨论，识别出医疗健康可视化分析中AI相关的五大挑战簇：信任与偏见、数据与基础设施、可解释性与沟通、人机交互、模型可靠性与验证，并提出跨学科研究方向。
2026-07-02 cs.HC
An Eye Tracking Study into the Effects of Graph Layout
图通常被可视化为节点链接图。虽然有相当数量的研究集中在交叉最小化，以提高可读性，很少有人关注如何处理交叉时，他们是最终可视化的重要组成部分。这就要求我们理解人们如何阅读图形，以及交叉点如何影响阅读表现。作为为此目的的初始步骤，进行初步的眼动追踪实验。本实验的具体目的是测试交叉角度和几何路径倾向对眼动和操作的影响。16名受试者用6幅图画完成路径搜索和节点定位任务。结果表明，小角度可以减慢并触发额外的眼球运动，导致路径搜索任务的延迟，而交叉点对节点定位任务的影响很小。几何路径趋势表明，当路径的许多分支指向目标节点时，两个节点之间的路径可能变得更难遵循。所获得的见解进行了讨论，以期在今后的工作中进一步确认。
2008-10-24 cs.HC
Reimagining Disassembly Interfaces with Visualization: Combining Instruction Tracing and Control Flow with DisViz
本文提出 DisViz 可视化工具，融合执行顺序、控制流、基本块循环布局、迷你地图及源代码动态链接，帮助开发者理解和浏览大规模反汇编代码。
2025-10-21 cs.HC
VMap: An Interactive Rectangular Space-filling Visualization for Map-like Vertex-centric Graph Exploration
VMap 提出一种地图式矩形空间填充可视化方法，通过期望纵横比划分、两阶段矩形调整和模拟退火优化，在保证纵横比质量与编码精度的同时支持以顶点为中心的图探索，并在合成与真实数据上验证了其有效性和效率。
2023-05-31 cs.DM cs.GR cs.HC
LSQT: Low-Stretch Quasi-Trees for Bundling and Layout
我们引入低拉伸树的可视化社区与LSQT，我们的新技术，使用准树的布局和边缘捆绑。我们的方法提供了强大的计算速度和复杂性的保证，利用低拉伸树，准确地反映了任意图的拓扑结构，具有优越的保真度相比，任意生成树的方便属性。低拉伸准树也有可证明的稀疏性保证，为毛球图的积极去杂波提供算法支持。LSQT不依赖于先前计算的顶点位置，并且在任何几何布局发生之前基于拓扑结构计算束。边缘束被有效地计算并存储在显式数据结构中，该显式数据结构支持复杂的视觉编码和交互技术，包括动态布局调整和交互式束查询。我们的未优化实现在8秒内处理超过100，000条边的图形，提供比以前方法更高的性能。
2020-07-13 cs.GR cs.HC
The Vision of a Human-Centered Piano
大约300年来，人类一直在学习弹现代钢琴，无论是老师还是自己。近年来，使用支持新手的增强技术，教学和学习得到了加强。其他技术也试图改善钢琴的不同用例，例如作曲和演奏。研究人员和从业人员展示了几种形式的增强，从硬件改进，音质，渲染投影可视化到基于手势和沉浸式技术。如今，钢琴增强的景观非常多样化，目前尚不清楚如何描述理想的钢琴及其特征。在这项工作中，我们讨论了以人为本的钢琴-钢琴的设计与人类在设计过程中的中心，并有效地支持它执行的任务-可以支持钢琴家。详细地说，我们提出了学习，作曲和即兴演奏的三个任务，其中以人为本的钢琴将有利于钢琴家。
2022-04-14 cs.HC
A User Study on Hybrid Graph Visualizations
混合可视化在网络的单个布局中混合了不同的隐喻。特别是，由Henry，Fekete和McGuffin在2007年引入的流行的NodeTrix模型，结合了节点链接图和基于矩阵的表示，以支持对全局稀疏但局部密集的真实世界网络的分析。这个想法激发了一系列的作品，提出了NodeTrix的变体或替代品。我们提出了一个用户的研究，比较经典的节点链接模型和三个混合可视化模型，旨在工作在相同类型的网络。我们的研究结果提供了有趣的迹象所考虑的模型在执行经典的分析任务的优点/缺点。同时，我们的实验也有一定的局限性，并为进一步的研究开辟了道路。
2021-08-23 cs.HC cs.SI
Interactive Augmented Reality-enabled Outdoor Scene Visualization For Enhanced Real-time Disaster Response
Harokopio University of Athens（哈罗基皮奥雅典大学）；Archimedes, Athena Research Center（阿基米德，雅典研究中心）；Kingston University（金斯顿大学）；University of Western Macedonia（西马其顿大学）
本文提出了一种基于3DGS的交互式AR界面，用于提升实时灾害响应中的场景可视化与决策效率。
2026-02-25 cs.HC
Visualizing Extensions of Argumentation Frameworks as Layered Graphs
TU Wien（维也纳工业大学）；Imperial College London（伦敦帝国学院）；TU Eindhoven（埃因霍温理工大学）
针对论证框架及其扩展的可视化需求，本文提出三层图布局，并通过基于 ILP 的精确方法和快速启发式流程最小化边交叉，验证了其在大型实例上的可行性与接近最优的效果。
2024-09-09 cs.AI cs.HC
A New Perspective on Drawing Venn Diagrams for Data Visualization
Institute of Mathematics, ELTE Eötvös Loránd University（ELTE罗兰大学数学研究所）
VennFan通过极坐标投影生成n集合Venn图，利用正弦和余弦波提升可读性与可定制性，并提供自动标注方法。
2026-01-11 cs.CG cs.GR cs.HC
Evaluating the Readability of Force Directed Graph Layouts: A Deep Learning Approach
Blackrock（贝莱德）
现有的图形布局算法通常无法优化图形布局中所需的所有美学属性。为了评估所需的视觉功能在图形布局中的反映程度，在过去的几十年中已经提出了许多可读性指标。然而，这些可读性度量的计算通常需要访问节点和边坐标，并且通常计算效率低下，特别是对于密集图。重要的是，当节点和边坐标不可访问时，就不可能定量地评估图形布局。在本文中，我们提出了一种新的基于深度学习的方法，通过直接使用图形图像来评估图形布局的可读性。提出了一种卷积神经网络结构，并在一个基准数据集上进行训练，该数据集由合成生成的图和从真实大型网络中采样创建的图组成。多个代表性的可读性指标（包括边缘交叉，节点扩散，和组重叠）被认为是在所提出的方法。我们将我们的方法与传统方法进行定量比较，并使用案例研究和可视化卷积层来定性评估我们的方法。这项工作是使用基于深度学习的方法来定量评估可视化领域的图像的第一步。
2018-11-14 cs.CV cs.GR cs.HC
Visualizing Uncertainty in Probabilistic Graphs with Network Hypothetical Outcome Plots (NetHOPs)
使用传统的节点链接图来可视化概率图是具有挑战性的。使用宽度或模糊度等视觉变量对边缘概率进行编码，使得静态网络可视化的用户难以估计网络统计数据，如密度，隔离，路径长度或不确定性下的聚类。我们介绍网络假设结果图（NetHOPs），一种可视化技术，动画的网络实现序列从网络分布定义的概率边缘采样。NetHOPs采用一种聚合和锚定算法，用于动态和纵向图形绘制，以参数化布局稳定性，用于不确定性估计。我们提出了一个社区匹配算法，使可视化的不确定性的集群成员和社区发生。我们描述了一项研究的结果，其中51个网络专家使用NetHOPs完成了一组常见的视觉分析任务，并报告了他们如何感知网络结构和属性的不确定性。参与者的估计值平均在地面实况统计数据的11%以内，这表明NetHOPs可以成为一种合理的方法，使网络分析师能够在不确定性下对多个属性进行推理。当参与者可以操纵布局锚定和动画速度时，他们似乎更准确地表达了网络统计数据的分布。基于这些研究结果，我们综合了概率网络的开发和使用动画可视化的设计建议。
2021-08-22 cs.HC cs.SI
Toward a Machine Bertin: Why Visualization Needs Design Principles for Machine Cognition
Department of Computing & Systems Engineering, Universidad Católica del Norte（计算与系统工程系，北卡洛斯大学）
本文主张可视化领域需研究面向机器的视觉设计，以弥补机器认知需求与现有以人类为中心的知识库之间的差距。
2026-02-02 cs.AI cs.CV cs.HC
Improved Visual Saliency of Graph Clusters with Orderable Node-Link Layouts
本研究通过众包实验证明，可排序节点-链接布局（径向、弧线、对称弧线）相比力导向算法，能显著提高用户计数图簇的准确性和速度，尤其在簇可分离性或紧凑性较低时优势更大。
2024-08-21 cs.HC cs.SI
A Shape Change Enhancing Hierarchical Layout for the Pairwise Comparison of Directed Acyclic Graphs
本文针对有向无环图成对比较中细微变化难以察觉的问题，提出一种基于 Sugiyama 层次布局的形状变化增强型布局方法，通过向外交换变化并引入新绘制准则，在保持较高美观性的同时显著提升变化可辨识度。
2024-06-08 cs.HC cs.SI
graphVizdb: A Scalable Platform for Interactive Large Graph Visualization
我们提出了一个新的平台非常大的图形的交互式可视化。该平台使用户能够以与在多个级别上探索地图非常相似的方式与可视化图形进行交互。我们的方法涉及到一个离线预处理阶段，通过分配坐标到它的节点相对于欧几里德平面的图形的布局。各个点用空间数据结构索引，即，R树，并存储在数据库中。基于各种标准的图的多个抽象层也是离线创建的，并且它们被类似地索引，以便用户可以根据其特定需求以不同的粒度级别探索数据集。然后，我们的系统将用户操作转换为简单且非常有效的空间操作（即，窗口查询）。这种技术允许以极低的延迟和内存要求对非常大的图形进行细粒度访问，并且不会影响工具的功能。我们的基于Web的原型支持三个主要操作：（1）交互式导航，（2）多层次的探索，（3）关键字搜索的图元数据。
2016-02-20 cs.DB cs.DS cs.HC
Human-Data Interaction, Exploration, and Visualization in the AI Era: Challenges and Opportunities
Northeastern Univ., USA（东北大学）；Ohio State Univ., USA（俄亥俄州立大学）；Columbia Univ., USA（哥伦比亚大学）；Athena RC, Greece（雅典娜研究组）；Tsinghua Univ., China（清华大学）；Xi’an Jiaotong-Liverpool Univ., China（西安交通大学利物浦大学）
本文探讨人工智能发展带来的挑战，分析用户与数据互动的新方式，并提出构建以人为中心的AI系统的新方向。
2026-03-04 cs.AI cs.DB cs.ET
