A Web-based Interactive Visual Graph Analytics Platform
本文提出了一种基于Web的可视化图形分析平台,用于交互式图形挖掘,可视化和实时探索网络。GraphVis快速、直观、灵活,将交互式可视化与分析技术相结合,揭示了重要的模式和见解,有助于理解、推理和决策。只需将图形文件拖放到Web浏览器中,即可在几秒钟内可视化和探索网络。网络的结构,属性和模式是自动计算的,可以即时实时探索。GraphVis的核心是一个多层次的交互式网络可视化和分析引擎,允许同时在多个粒度级别上进行实时图形挖掘和探索。图形分析和可视化技术(在每个粒度级别)都是动态的和交互式的,在每次用户交互时具有即时和连续的视觉反馈(例如,改变用于过滤的滑块)。此外,节点,边和子图可以通过许多新颖的技术和工具轻松插入,删除或导出,这使得在Web上实时探索,测试假设和理解网络变得非常容易和灵活。还提出了一些交互式可视图分析技术,包括交互式角色发现方法,社区发现,以及一些新的块模型,用于生成具有社区结构的图。最后,我们还强调了其他关键方面,包括过滤,查询,排名,操作,导出,分区,以及动态网络分析和可视化工具,交互式图形生成器,以及各种多级网络分析,总结和统计技术。
2015-02-02 cs.HC cs.SI stat.ML
SeeChart: Enabling Accessible Visualizations Through Interactive Natural Language Interface For People with Visual Impairments
基于Web的数据可视化在探索数据和交流见解方面已经变得非常流行。报纸、期刊和报告定期发布可视化内容,用数据讲述引人入胜的故事。不幸的是,大多数可视化是无法访问的读者与视觉障碍。对于网络上的许多图表,没有附带的替代(alt)文本,即使存在这样的文本,它们也不能充分描述图表的重要见解。为了解决这个问题,我们首先采访了15位盲人用户,以了解他们在阅读数据可视化方面的挑战和需求。基于这些采访的见解,我们开发了SeeChart,这是一种交互式工具,可以自动从网页上解构图表,然后将其转换为盲人可访问的可视化,使他们能够听到图表摘要,并使用键盘通过数据点进行交互。我们对14名盲人参与者的评估表明,SeeChart在理解图表中的关键见解和满足他们的信息需求方面具有有效性,同时减少了他们所需的时间和认知负担。
2023-02-15 cs.HC
Interactive Discovery and Exploration of Visual Bias in Generative Text-to-Image Models
TU Wien(维也纳工业大学);St. Pölten University of Applied Sciences(圣珀尔滕应用科学大学)
本文提出ViBEx工具,通过交互式界面和零样本偏见探测,帮助发现生成文本到图像模型中的视觉偏见,通过案例研究验证其有效性。
2025-04-28 cs.HC
IVISIT: An Interactive Visual Simulation Tool for system simulation, visualization, optimization, and parameter management
Albstadt-Sigmaringen University(阿尔bstadt-锡格马林根大学);KEIM Institute(凯姆研究院)
本文介绍了基于Python/Numpy的通用交互式可视化仿真工具IVISIT,它集成了系统仿真、参数优化、参数管理及可视化功能,并通过GUI和SQLite支持快速原型开发与参数配置管理。
2024-08-10 cs.CV cs.HC cs.LG
Tool Support for Validation of Formal System Models: Interactive Visualization and Requirements Traceability
各种工程学科的开发过程都采用了正式的模型,以确保关键系统的安全性能。这些正式模型的使用需要对它们的适当性进行推理,即,验证模型是否充分反映了系统的结构,从而为模型建立的属性确实可以传递到真实系统。模型验证本身是非正式的,因为充分性不是正式的(即,数学)性质。相反,它必须由建模者执行,以向认证机构或其他利益相关者证明建模的合理性。在本文中,我们认为,模型验证可以被看作是一种特殊形式的需求工程,交互式可视化和概念的需求可追溯性,可以帮助推进工具支持正式建模,降低所需的认知负担验证。我们提出了VisualisierbaR工具,它支持铁路运营的正式建模,并描述了它如何使用交互式可视化和需求可追溯性的概念来验证正式模型。
2019-12-23 cs.HC
SPOT: Open Source framework for scientific data repository and interactive visualization
SPOT是一个开源和免费的多维数据集可视化数据分析工具。其基于Web的界面允许交互式地快速分析复杂数据。实现了对数据的聚合、过滤等操作。生成的图表是响应式的,并支持OpenGL。它遵循公平的原则,允许重复使用和比较公布的数据集。该软件还支持PostgreSQL数据库的可扩展性。
2018-09-20 cs.GR cs.HC hep-ex
ScrollyVis: Interactive visual authoring of guided dynamic narratives for scientific scrollytelling
视觉故事是向不同公众传达特定信息的有效和强大的工具。滚动讲述是最近在网络上广泛使用的视觉讲故事技术,其中内容随着用户向上或向下滚动页面而出现或改变。通过采用熟悉的滚动手势作为其主要的交互机制,它为用户提供了一种控制感,探索感和可扩展性,同时仍然提供了一个简单直观的界面。在本文中,我们提出了一种新颖的方法来创作,编辑和呈现数据驱动的科学叙事使用滚动。我们的方法灵活地集成了常见的源,如图像,文本和视频,但也支持更专业的可视化技术,如交互式地图以及标量场和网格数据可视化。我们展示了滚动导航可以用于遍历动态叙述,并演示了如何将其与交互式参数探索相结合。由此产生的系统包括一个可扩展的基于Web的创作工具,能够导出独立的故事,可以托管在任何Web服务器上。我们展示了我们的方法的力量和实用性,从几个不同的科学领域的案例研究和用户研究,包括12个不同的专业背景的参与者。此外,一位创建交互式文章的专家评估了我们方法的实用性和所创建故事的质量。
2022-07-07 cs.HC
Visualizing Dimensionality Reduction Artifacts: An Evaluation
多维缩放允许将高维数据可视化为2D地图,前提是2D中的见解揭示了高维中的有效信息。然而,所得到的投影遭受的文物,如坏的局部邻域保护和集群撕裂。根据相对于参考项的原始接近度之间的差异来交互地对投影进行着色可以揭示这些伪影,但是不清楚使用颜色来传达这些接近度并且仅显示局部信息是否真的有助于投影的视觉分析。我们进行了一项对照实验,以调查这种互动技术的相关性,以帮助任何投影的视觉分析,无论其质量。我们比较了裸投影的原始邻近的交互着色不同的视觉分析任务,涉及离群值和集群。结果表明,交互式着色是值得的本地任务,因为它是显着的投影工件,而投影是不鲁棒的。然而,这种交互式技术并没有显着帮助视觉聚类任务的投影已经给出了一个合适的概述。
2017-05-15 cs.HC
NetworkRepository: An Interactive Data Repository with Multi-scale Visual Analytics
Network Repository(NR)是第一个基于Web平台的交互式数据存储库,用于可视化交互式分析。与其他数据存储库(例如,UCI ML数据存储库和SNAP),网络数据存储库(networkrepository.com)允许用户不仅下载,而且使用我们基于Web的交互式图形分析平台交互式分析和可视化这些数据。用户可以实时分析、可视化、比较和探索许多不同维度的数据。NR的目标是让用户能够轻松快速地发现对数据的关键见解,同时为用户提供一种共享数据、可视化和见解的媒介。将NR与当前数据存储库区分开来的其他关键因素是图数据集的数量、大小和种类。虽然其他数据存储库是静态的,但它们也缺乏用户协作讨论特定数据集、更正或将数据用于某些应用程序的挑战的方法。相比之下,我们将许多社会和协作方面纳入NR,希望进一步促进科学研究(例如,用户可以讨论每个图、张贴观察、可视化等)。
2015-05-28 cs.DL cs.HC cs.SI
Interactive Sketchpad: A Multimodal Tutoring System for Collaborative, Visual Problem-Solving
Massachusetts Institute of Technology(麻省理工学院)
本文提出Interactive Sketchpad多模态辅导系统,结合语言解释与交互式可视化,通过微调预训练LMM提供图文逐步指导并生成准确图表,显著提升了学生在数学问题上的理解力、准确率和参与度。
2025-04-02 cs.AI cs.HC
Confluent-Drawing Parallel Coordinates: Web-Based Interactive Visual Analytics of Large Multi-Dimensional Data
Norwegian University of Science and Technology(挪威科技大学)
平行坐标图是一种最流行和最广泛使用的多维数据可视化技术。它对大规模数据集的主要挑战是视觉混乱和过度绘制,这妨碍了对数据中模式和趋势的识别。本文提出了一种平行坐标汇流绘制方法,以支持基于Web的大型多维数据交互式可视化分析。该方法通过对每个维度进行基于数据分箱的聚类,将多维数据映射到节点链接图。它使用基于密度的融合绘制来可视化集群和边缘,以减少视觉混乱和过度绘制。其呈现时间与数据项的数量无关。它支持大型数据集的交互式可视化,而无需在普通Web浏览器中进行硬件加速。此外,我们设计了交互来控制数据分仓过程,以支持大型多维数据集的交互式可视化分析。基于所提出的方法,我们实现了一个基于Web的可视化分析应用。所提出的方法的效率进行了检查,通过几个数据集上的实验。该方法的有效性进行了评估,通过用户研究,其中两个典型的任务的平行坐标绘图由参与者进行比较,所提出的方法与另一种平行坐标捆绑技术。实验结果表明,该方法显著提高了大型多维数据的基于Web的交互式可视化分析能力。
2019-06-14 cs.CV cs.HC
Voluminous Fur Stroking Experience through Interactive Visuo-Haptic Model in Virtual Reality
本研究开发集成头戴式显示器与超声波触觉显示器的系统,提出动态适应手部动作的交互式视触觉模型,显著增强了虚拟现实中抚摸丰盈毛发的真实感。
2024-06-28 cs.HC
Argo Scholar: Interactive Visual Exploration of Literature in Browsers
发现和理解相关的研究文献是成为任何科学学科知识的基础。可视化可以帮助这一过程;然而,现有工具的采用和影响往往受到限制,例如依赖于快速过时的小型纸质数据集,或者缺乏对个性化探索的支持。我们介绍Argo Scholar,一个开源的,基于网络的可视化工具,用于交互式文献探索和轻松共享探索结果。Argo Scholar对Semantic Scholar近2亿篇论文的实时数据进行查询和可视化,使用户能够通过灵活的增量探索实时生成个性化的文献探索结果,这是研究人员发现相关工作的常用有效方法。我们的工具允许用户轻松地分享他们的文献探索结果作为一个URL或Web嵌入式IFrame应用程序。Argo Scholar是开源的,可在https://poloclub.github.io/argo-scholar/上获得。
2021-10-26 cs.HC
CohortVA: A Visual Analytic System for Interactive Exploration of Cohorts based on Historical Data
在历史研究中,队列分析试图通过研究历史人物的群体行为来识别社会结构和人物流动性。以往的工作主要采用自动数据采掘方法,缺乏有效的可视化解释。在本文中,我们提出了CohortVA,一个互动的视觉分析方法,使历史学家将专业知识和洞察力的迭代探索过程。CohortVA的核心是一种新的识别模型,它通过从大规模历史数据库中构建的预构建知识图谱来生成候选队列并构建队列特征。我们提出了一套协调的意见,以说明确定的队列和功能,再加上历史事件和数字配置文件。两个案例研究和对历史学家的采访表明,CohortVA可以大大提高队列识别,数字认证和假设生成的能力。
2022-08-19 cs.HC
Vivifying LIME: Visual Interactive Testbed for LIME Analysis
Hankuk University of Foreign Studies(韩国外国语大学);Kwangwoon University(光云大学)
本文提出LIMEVis,一种交互式可视化工具,用于提升LIME分析的效率,通过同时探索多个结果并直接修改以识别模型分类的关键特征。
2026-02-04 cs.HC
ViNNPruner: Visual Interactive Pruning for Deep Learning
University of Konstanz(康斯坦茨大学)
神经网络在规模上大大增长,以处理更复杂的任务。在许多情况下,这种大型网络无法部署在特定硬件上,需要缩小规模。修剪技术通过尽可能少地降低深度神经网络的性能,有助于将其缩小到更小的尺寸。然而,这样的修剪算法通常很难理解应用它们,并且不包括可能对用户目标不利的领域知识。我们提出ViNNPruner,一个可视化的交互式修剪应用程序,实现国家的最先进的修剪算法和选项,让用户根据自己的知识做手动修剪。我们展示了该应用程序如何帮助深入了解自动修剪算法和半自动修剪超大网络,以使它们使用交互式可视化更有效。
2022-05-31 cs.HC cs.LG
Scalable Class-Centric Visual Interactive Labeling
本文提出以类别为中心的视觉交互式标注方法 cVIL,通过将标注范式从“为实例分配类别”反转为“为类别分配实例”,并结合新型视觉分析界面,有效降低大规模类别丰富数据标注中的认知负荷,提升标注效率与用户满意度。
2025-05-06 cs.HC
HyperNP: Interactive Visual Exploration of Multidimensional Projection Hyperparameters
Tufts University(塔夫茨大学);University of Sao Paulo(圣保罗大学);University of Utrecht(乌得勒支大学);Indiana University Bloomington(印第安纳大学伯明顿分校);Novartis(诺华公司)
投影算法,如t-SNE或UMAP是有用的高维数据的可视化,但依赖于超参数,必须仔细调整。不幸的是,迭代地重新计算投影以找到最佳超参数值是计算密集型的,并且由于这些方法的随机性而不直观。在本文中,我们提出了HyperNP,一个可扩展的方法,允许实时交互式超参数探索的投影方法,通过训练神经网络近似。HyperNP可以在总数据实例和超参数配置的一小部分上进行训练,并且可以以交互式速度计算新数据和超参数的投影。HyperNP尺寸紧凑,计算速度快,因此可以嵌入到轻量级可视化系统中,如Web浏览器。我们在性能和速度方面评估了HyperNP在三个数据集上的性能。结果表明,HyperNP是准确的,可扩展的,交互式的,适合在现实世界中使用。
2021-06-25 cs.HC cs.LG
Intercept Graph: An Interactive Radial Visualization for Comparison of State Changes
在医学、金融工程、社会学、生物科学等多个应用领域中,经常需要对多个数据项进行状态变化比较。斜率图和分组条形图已被广泛用于显示不同数据状态的“前后”故事并指示它们的变化。然而,它们将状态变化可视化为斜率或条的差异,这已被证明对于定量比较不太有效。此外,随着数据项数量的增加,这两种视觉设计都存在视觉混乱问题。在本文中,我们提出了拦截图,一种新颖的视觉设计,以促进有效的互动比较的状态变化。具体而言,提出了一种径向设计,以可视化的开始和结束状态的每个数据项和线段长度明确编码的“状态变化”。Intercept Graph通过交互式调整内圆轴半径,平滑过滤大的状态变化,放大相似状态变化之间的差异,缓解视觉杂波问题,增强状态变化的有效比较。通过在真实数据集上比较截距图与斜率图和分组条形图的有效性,验证了截距图的有效性。
2021-08-19 cs.GR cs.HC
Adding Interactive Visual Syntax to Textual Code
许多编程问题都需要将几何思想转化为代码:表格、层次结构、对象嵌套、树、森林、图形等等,线性文本并不适合这些思想。但是,它在过去一直是占主导地位的编程媒体,在可预见的未来仍将如此。本文提出了一种新的机制,方便地扩展文本程序设计语言与特定问题的可视化语法。文章论证了这种语言特性的必要性,用一个健壮的原型证明了这种特性的可行性,并勾画了一个将这种思想应用于其他语言的设计方案。
2020-10-23 cs.HC cs.PL
Developing a Visual Interactive Search History Exploration System
当用户在系统内搜索时,他们进行不同的查询并检查各种结果。这些对象形成了一个隐式的个人图书馆,代表所获得的知识。在我们的研究中,我们的目标是为用户提供可视化的搜索历史和交互方法来组织历史。最根本的问题是搜索历史探索在用户搜索过程中可以发挥什么作用。在本文中,我们想介绍一个原型系统的搜索历史探索的思想和讨论的方法来解决上述问题。
2013-11-04 cs.HC cs.IR
PREVIS -- A Combined Machine Learning and Visual Interpolation Approach for Interactive Reverse Engineering in Assembly Quality Control
Technische Universität Kaiserslautern(凯泽斯劳滕工业大学)
我们提出了PREVIS,一个可视化的分析工具,提高机器学习性能分析在工程应用中。所提供的工具链允许直接比较回归模型。此外,我们提供了一种方法来可视化回归误差对原始域中感兴趣的基本领域的影响,通过利用标准插值方法,零件几何形状。此外,我们允许通过视觉插值在位移场中实时预览用户驱动的参数变化。这使得能够进行快速和负责任的在线变更管理。我们证明了汽车发动机罩的事前优化的有效性。
2022-01-25 cs.HC cs.LG
Visual Auditor: Interactive Visualization for Detection and Summarization of Model Biases
Georgia Tech(佐治亚理工学院);Fiddler AI(Fiddler人工智能公司)
随着机器学习(ML)系统变得越来越普遍,有必要在部署之前审计这些系统的偏差。最近的研究开发了算法,可以有效地识别可解释的、表现不佳的数据子集(或切片)形式的交叉偏差。然而,这些解决方案及其见解是有限的,没有一个工具来直观地理解和与这些算法的结果进行交互。我们提出了Visual Auditor,一个交互式的可视化工具,用于审计和总结模型偏差。Visual Auditor通过提供可解释的交叉偏差(检查由多个特征定义的总体时存在的偏差)概述、有关问题数据切片之间关系的详细信息以及模型中表现不佳和表现出色的数据切片之间的比较来协助模型验证。我们的开源工具直接在计算笔记本和Web浏览器中运行,使模型审计可访问并轻松集成到当前的ML开发工作流程中。与Fiddler AI的领域专家合作进行的一项观察性用户研究强调,我们的工具可以帮助ML从业者识别和理解模型偏差。
2022-06-25 cs.HC cs.LG
InSight: A Benchmark for Agentic Claim Verification in Interactive Visualizations
City, University of London(伦敦城市大学);Imperial College London(帝国理工学院);The Alan Turing Institute(艾伦·图灵研究所)
本文提出InSight基准,用于交互式可视化中的智能体主张验证,含21349条主张,评估显示交互式验证仍是重大挑战,相关资源已发布。
2026-09-02 cs.CL cs.CV cs.HC
GAN Lab: Understanding Complex Deep Generative Models using Interactive Visual Experimentation
Georgia Institute of Technology(佐治亚理工学院);Google Brain(谷歌大脑)
最近在深度学习方面取得的成功引起了从业者和学生的极大兴趣,激发了许多人学习这项新技术。虽然已经成功开发了可视化和交互式方法来帮助人们更轻松地学习深度学习,但大多数现有工具都专注于更简单的模型。在这项工作中,我们提出了GAN Lab,这是第一个交互式可视化工具,专为非专家学习和实验生成对抗网络(GANs),这是一类流行的复杂深度学习模型。通过GAN Lab,用户可以交互式地训练生成模型,并可视化动态训练过程的中间结果。GAN Lab紧密集成了一个模型概览图,它总结了GAN的结构,以及一个分层分布视图,帮助用户解释子模型之间的相互作用。GAN实验室引入了新的交互式实验功能,用于学习复杂的深度学习模型,例如在多个抽象级别上进行分步训练,以了解复杂的训练动态。GAN Lab使用TensorFlow.js实现,任何人都可以通过现代Web浏览器访问,无需安装或专用硬件,克服了部署深度学习交互式工具的重大实际挑战。
2018-09-05 cs.AI cs.HC cs.LG
CNN 101: Interactive Visual Learning for Convolutional Neural Networks
Georgia Institute of Technology(佐治亚理工学院);Oregon State University(俄勒冈州立大学)
深度学习解决以前认为的难题的成功激励了许多非专家学习和理解这项令人兴奋的技术。然而,由于深度学习模型的复杂性,学习者往往很难迈出第一步。我们提出了我们正在进行的工作,CNN 101,一个交互式可视化系统,用于解释和教学卷积神经网络。通过紧密集成的交互式视图,CNN 101提供模型如何工作的概述和详细描述。使用现代网络技术构建的CNN 101在用户的网络浏览器中本地运行,而不需要专门的硬件,从而拓宽了公众对现代深度学习技术的教育访问。
2020-02-27 cs.AI cs.HC cs.LG
YAC: Bridging Natural Language and Interactive Visual Exploration with Generative AI for Biomedical Data Discovery
Harvard Medical School(哈佛医学院)
本文提出YAC系统,结合自然语言输入和交互式可视化,通过生成式AI提升生物医学数据发现接口的能力,通过用户研究和系统分析改进系统设计和功能。
2026-05-19 cs.AI cs.HC