CineVision: An Interactive Pre-visualization Storyboard System for Director-Cinematographer Collaboration
针对电影前期制作中导演与摄影师沟通效率低、精准度不足的问题，提出AI驱动的交互式预可视化分镜系统CineVision，支持动态灯光、风格模拟与定制角色设计，经24人实验验证效率与可用性更优，可助力创意协同。
2025-08-04 cs.HC
Sharing Roughness with Hand-Outline Visualization to Reduce Sensory Asymmetry in VR Collaboration
KAIST UVR Lab（韩国科学技术院虚拟与增强现实实验室）；KAIST PMRC（韩国科学技术院物理医学研究综合中心）；KAIST HCI Tech Lab（韩国科学技术院人机交互技术实验室）；KAIST KI-ITC ARRC（韩国科学技术院韩国人工智能信息通信技术应用研究资源中心）
本研究在VR协作中，通过设计基于手部轮廓的抽象视觉粗糙度线索，外化物体触觉状态，减少了触觉与非触觉用户间的信息不对称，缩短了协作任务完成时间。
2026-09-01 cs.HC
TimelinePTC: Development of a unified interface for pathways to care collection, visualization, and collaboration in first episode psychosis
本文提出TimelinePTC网络工具，通过协作实时数据录入与可视化，简化首发精神病护理路径数据采集，提升准确性和效率，支持减少未治疗持续时间以改善患者预后。
2024-04-19 cs.HC
From Jam Session to Recital: Synchronous Communication and Collaboration Around Data in Organizations
以前的研究与可视化通信集中在公共演示和异步个人消费，如在新闻领域。可视化研究社区对组织内围绕数据的同步和多模式通信知之甚少，从团队会议到执行简报。我们进行了两个定性访谈研究与个人谁准备和提供有关数据的组织观众演示文稿。与之前的工作相比，我们没有将采访限制在那些自认为是数据分析师或数据科学家的人身上。这两项研究都考察了用图表、仪表板和表格等视觉辅助工具谈论数据的各个方面。一项研究是对当前实践和困难的回顾性检查，从中我们确定了涉及数据呈现的三种情况。我们用音乐表演来描述这些场景：小型协作团队会议类似于即兴演奏，而更有条理的演示可以从同行之间的半即兴表演到给高管或客户的正式独奏会。在我们的第二项研究中，我们围绕三个设计探针进行了讨论，每个探针都研究了呈现数据的不同方面：可视化的渐进揭示以引导注意力并推进叙事，可视化演示控件隐藏在观众的视野中，以及演示者的视频与交互式可视化的协调。我们对受访者的回答进行了提炼，从中总结出12个主题，从创作演示文稿的方式到创造可访问和吸引观众的体验。
2021-07-19 cs.HC
Learning Visualization Policies of Augmented Reality for Human-Robot Collaboration
The State University of New York at Binghamton（纽约州立大学宾汉姆顿分校）
在人机协作领域，增强现实（AR）技术使人们能够可视化机器人的状态。目前基于AR的可视化策略是手动设计的，这需要大量的人力和领域知识。当可视化的信息太少时，人类用户发现AR界面没有用;当可视化的信息太多时，他们发现难以处理可视化的信息。在本文中，我们开发了一个名为VARIL的框架，使AR代理能够从演示中学习可视化策略（可视化什么，何时以及如何）。我们创建了一个基于Unity的平台，用于模拟仓库环境，人类和机器人队友在交付任务上进行协作。我们已经收集了一个数据集，其中包括可视化机器人当前和计划行为的演示。与真实人类参与者的实验结果表明，与文献中的竞争基线相比，我们学习的可视化策略显着提高了人类-机器人团队的效率，同时降低了人类用户的分心程度。VARIL已经在一个内置的实验室模拟仓库中进行了演示。
2022-11-13 cs.HC cs.LG cs.RO
Data Changes Everything: Challenges and Opportunities in Data Visualization Design Handoff
复杂的数据可视化设计项目通常需要具有不同可视化相关技能的人员之间的协作。例如，许多团队既包括创建新的可视化设计的设计师，也包括实现最终可视化软件的开发人员。我们确定了数据特征化工具、可视化设计工具和开发平台之间的差距，这些差距给致力于创建新数据可视化的设计师-开发人员团队带来了挑战。虽然商业交互设计工具通常支持设计人员和开发人员之间的协作，但创建数据可视化带来了当前工具不支持的几个独特挑战。特别是，可视化设计人员必须描述和建立对底层数据的理解，然后指定布局，数据编码和其他数据驱动的参数，这些参数在许多不同的数据值中都是健壮的。在较大的团队中，设计人员还必须将这些映射及其依赖关系清楚地传达给开发人员、客户和其他合作者。我们报告了五个大型多学科可视化设计项目的观察和思考，并强调了设计规范和移交的六个数据特定的可视化挑战。这些挑战包括适应不断变化的数据，预测数据中的边缘情况，理解技术挑战，阐明依赖于数据的交互，传达数据映射，以及在迭代过程中保持数据映射的完整性。基于这些观察，我们确定了未来的原型设计，测试和交流数据驱动的设计，这可能有助于更成功的和协作的数据可视化设计的工具的机会。
2019-08-01 cs.HC
Towards Effective Generation of Interactive Visualizations with Vibe Coding: An Empirical Study
Beijing Institute of Technology（北京理工大学）
本研究通过78名参与者的用户研究，系统性评估氛围编码生成交互式可视化的能力、用户体验与协作策略，为优化氛围编码实践提供了见解。
2026-09-01 cs.HC
Development of Head-Mounted Projection Displays for Distributed, Collaborative, Augmented Reality Applications
随着时间的推移，支持3D可视化和社交协作的分布式系统技术将在频率和类型上不断增加。最近开发了一种称为头戴式投影显示器（HMPD）的新兴类型的盔装显示器，其仅需要超轻光学器件（即，每只眼睛小于8 g），可实现沉浸式多用户、移动增强现实3D可视化以及远程3D协作。在本文中，轻量级HMPD技术的发展提供了一个审查，以及洞察是什么使这项技术及时，所以独特的。然后描述了两种新的新兴的基于HMPD的技术：远程门户HMPD（T-HMPD），使面对面的通信和共享的3D虚拟对象的可视化，和移动HMPD（M-HMPD）设计的户外可穿戴可视化和通信。最后，使用HMPD在医学可视化和培训，以及在infospaces，两个应用程序开发的ODA和MIND实验室分别进行了讨论。
2019-02-20 cs.HC
More Human or More AI? Visualizing Human-AI Collaboration Disclosures in Journalistic News Production
Centrum Wiskunde & Informatica Amsterdam（阿姆斯特丹数学与信息学研究中心）；Centrum Wiskunde & Informatica（阿姆斯特丹数学与信息学研究中心）；TU Delft（代尔夫特理工大学）；Utrecht University（乌得勒支大学）
通过协同设计会话和实验室研究，探讨不同可视化披露方式（文本、基于角色的时间线、基于任务的时间线、聊天机器人）及协作比例如何影响用户对新闻中人机协作的感知。
2026-01-16 cs.AI cs.CY cs.HC
Visualization for Epidemiological Modelling: Challenges, Solutions, Reflections & Recommendations
我们报告了流行病学建模人员和可视化研究人员之间正在进行的合作，记录和反思知识结构-从现有的可视化研究和实践中获得的一系列想法，方法和方法-部署和开发以支持COVID-19大流行病的建模。结构化的独立评论，这些努力是通过迭代式的反思，以发展综合：在这种情况下可视化的有效性和价值的证据;开放的问题，研究界可能会关注;指导未来的活动，这类;和建议，以保障成就和促进，推进，安全和准备未来的这种合作。在描述和比较在前所未有的条件下开展的一系列相关项目时，我们希望这份独特的报告及其丰富的互动补充材料将指导科学界在观察、分析和建模数据以及传播研究结果时采用可视化。同样，我们希望鼓励可视化社区参与有影响力的科学，以解决其新兴的数据挑战。如果我们取得成功，这一展示活动可能会刺激具有互补专业知识的社区之间的互利接触，以解决流行病学及其他领域的重要问题。https://ramp-vis.github.io/RAMPVIS-PhilTransA-Supplement/
2022-06-20 cs.HC
Exploratory Unstructured Data Analysis: A Formative Study and Implications for Human-AI Collaboration
TU Wien（维也纳工业大学）；University of Applied Sciences St. Pölten (USTP)（圣珀尔滕应用科学大学）
本研究提出EluDA框架，通过形成性研究发现用户自下而上构建分面分类、CLIP分配不可靠但支持语义分组，进而明确人机协作的四大关键机遇。
2026-09-04 cs.HC
Visualization for Villainy
长期以来，可视化一直被认为是一种可靠和值得信赖的工具，用于执行分析和沟通任务-然而，尽管可视化通常被认为是良性的，但它有可能对人、地方、概念和事物造成伤害。在本文中，我们利用这种负面潜力来服务一个代表性不足（但技术参与）的群体：恶棍。为了实现这些目标，我们为这种类型的图形暴力引入了一个设计空间，这使我们能够将先前关于欺骗性可视化的工作与新颖的数据驱动的卑鄙行为统一起来，例如情感鱼叉式网络钓鱼和不安全的数据物理化。通过绘制这种卑鄙的图表景观，我们打开了与可怕的领域专家合作的新大门，并希望让世界变得更糟。
2021-09-22 cs.HC
Scientific Visualization as a Collaborative Data Infrastructure
University of San Francisco（旧金山大学）；University of Southern Denmark（南丹麦大学）；Cornell University（康奈尔大学）；Space Science Institute（空间科学研究所）
本文以NASA喷气推进实验室协作式火星地球科学研究及PIXLISE平台为例，探讨科学可视化作为协作式数据基础设施的作用，指出其历史为档案研究提供机会，从业者在相关领域有构建机遇。
2026-08-21 cs.HC
ReVis: Towards Reusable Image-Based Visualizations with MLLMs
Nanyang Technological University（南洋理工大学）；Sichuan University（四川大学）；Singapore Management University（新加坡管理大学）；Huazhong University of Science and Technology（华中科技大学）
ReVis通过引入领域特定语言和MLLM管道，实现复杂可视化的灵活重用，支持分解与再现，并通过交互界面实现数据更新与编码定制。
2026-04-17 cs.HC
ReachVox: Clutter-free Reachability Visualization for Robot Motion Planning in Virtual Reality
Coburg University of Applied Sciences and Arts（科堡应用科学与艺术大学）；University of Birmingham（伯明翰大学）；University of Cambridge（剑桥大学）
本文提出ReachVox极简可达性可视化方法，通过20人用户研究证明其在VR远程人机协作中优于基于点的可达性检查。
2025-08-15 cs.HC cs.RO
Data Hunches: Incorporating Personal Knowledge into Visualizations
数据的问题在于，它经常只提供感兴趣的现象的不完美的表示。熟悉数据集的专家在分析数据集时通常会进行隐含的心理修正，或者在存在警告的情况下会谨慎行事，不要对任何发现过于自信。然而，关于数据集警告的隐含知识通常不会以结构化的方式收集，这是有问题的，特别是当团队一起工作时，他们可能了解数据集的不同方面。在这项工作中，我们定义这样的分析师的知识数据集的数据预感。我们讨论了数据预感的影响，并提出了一套技术，通过数据可视化记录和交流数据预感。此外，我们还提供了设计支持记录和可视化数据预感的可视化的指导方针。我们设想，数据预感将使分析师能够将他们的知识具体化，促进协作和沟通，并支持从他人的数据预感中学习的能力。
2022-04-10 cs.HC
Challenges and Opportunities of Teaching Data Visualization Together with Data Science
随着全球数据量的增加，分析和可视化数据正在成为各个行业的基本技能。重要的是让大学生具备这些基本的数据技能。为了学习，设计和开发数据可视化，学生需要编程和数据科学主题的知识。许多大学课程缺乏针对本科生的专门数据科学课程，因此通过综合课程引入这些概念非常重要。然而，由于时间限制和繁重的学习负担，将数据科学和数据可视化结合到一门课程中可能具有挑战性。在本文中，我们讨论了教学数据科学和数据可视化的发展在一门课程，并分享了课后评估调查的结果。从调查结果中，我们确定了四个挑战，包括学习多种工具和不同数据科学主题的困难，工具和库的熟练程度不同，以及选择和清理数据集。我们还总结了开发成功的数据科学和可视化课程的五个机会。这些机会包括澄清课程结构，在课程早期强调可视化素养，根据学生需求更新课程内容，使用大型真实世界数据集，向行业专业人士学习，以及促进学生之间的合作。
2024-09-09 cs.HC
Designing an Interactive Visualization System for Monitoring Participant Compliance in a Large-Scale, Longitudinal Study
在进行大规模纵向研究时，需要经常监测参与者的依从性，以确保收集的数据具有足够高的质量。虽然强调了实现高度遵守的必要性，并讨论了影响遵守的激励措施和因素，但在这些研究中，对监测遵守情况的实际程序和工具却没有什么共同之处。监控参与者对多模态数据的遵从性可能是一个繁琐的过程，特别是在只有少数人员参与的情况下。在这个案例研究中，我们描述了一个交互式可视化系统的迭代设计，我们开发的监控合规性和不断变化的要求在一个正在进行的研究的基础上完善。我们发现，可视化系统，利用数字媒体，既方便了探索性的任务，监测参与者的依从性，并支持异步协作之间的非共址研究人员。我们记录的要求检查参与者的依从性，以及可视化系统的设计可以帮助通知在未来的研究中的依从性监测过程。
2020-12-22 cs.HC
Do Vision-Language Models See Visualizations Like Humans? Alignment in Chart Categorization
本研究通过让13个VLM仅凭视觉刺激按用途、编码方式和维度对科学图表分类，发现其能较好识别用途和维度但编码类型识别困难，且模型规模与性能并非正相关，强调需在人类监督下谨慎集成VLM。
2025-11-07 cs.HC
RescueAR: Augmented Reality Supported Collaboration for UAV Driven Emergency Response Systems
紧急响应事件是快节奏的，嘈杂的，他们需要团队合作来完成任务。此外，随着应急响应人员越来越多地部署无人机（UAV），需要人类与UAV之间建立新形式的伙伴关系。传统的基于无线电的信息交换在紧急响应期间遭受缺乏可视化，并且经常导致误解。本文提出了一种新的协作平台：RescueAR，它利用基于位置的增强现实的范例地理标记，共享和可视化信息。RescueAR旨在支持人类和无人机之间的双向通信，促进不同响应者之间的协作，并可视化与救援队角色相关的场景信息。根据我们的可行性研究，用户研究，然后与警察进行焦点小组会议，RescueAR可以支持救援队发展现场的空间认知，促进地理位置信息的交换，并在无人机支持的应急响应期间补充现有的通信工具。
2021-10-01 cs.HC
Piloting Planetarium Visualizations with LLMs during Live Events in Science Centers
Linköping University（林雪平大学）；Visualisering Center C（可视化中心C）；Umeå University（于默奥大学）；Inria（法国国家数字技术研究院）
研究利用AI试点提升科学中心公共展览体验，通过7名专业向导评估AI试点在减少人力负担和实现多任务处理中的作用。
2026-01-30 cs.HC
VisAnywhere: Developing Multi-platform Scientific Visualization Applications
本文提出VisAnywhere，利用Web技术将单一代码库改造为多平台科学可视化应用，支持跨设备交互与协作。
2024-04-26 cs.GR cs.HC
Insights From Experiments With Rigor in an EvoBio Design Study
设计研究是进行问题驱动的可视化研究的一种既定方法。学术可视化社区已经产生了大量的设计研究报告，由少数理论框架提供信息，并应用于广泛的应用领域。其结果是大量的可视化设计的见解，强调新的可视化技术和系统作为这些研究的主要贡献。在最近的工作中，我们提出了一个新的，解释主义的角度对设计研究和六个同伴标准的严格性，突出了研究人员的机会，以贡献知识，超越可视化成语和软件。在这项工作中，我们与进化生物学家进行了为期一年的合作，开发了一个交互式工具，用于多变量数据集和系统发育树的可视化探索。在这个设计研究中，我们试验了支持三个严格标准的方法：丰富，反射和透明。因此，我们贡献了两种新的可视化技术，用于分析多变量系统发育数据集，三个methodologicalrecommendations进行设计研究，从我们的实验过程中得出的反思，和两个写作设备报告解释主义设计研究。我们提供这项工作作为一个例子，实施严格的标准，以产生各种各样的知识贡献。
2020-08-26 cs.HC
Better Situational Awareness in AR-HRC? A Comparative Study of Augmented Reality and Mobile Interfaces for Human-Robot Collaboration
Duke University（杜克大学）；Lancaster University（兰卡斯特大学）
本研究通过30人实验对比AR与移动界面，发现AR仅提升机器人感知层面意识，未增强高层机器人或环境意识，为安全关键型AR-HRC界面设计提供了注意力机制层面的依据。
2026-10-15 cs.HC
ARTHUR: Authoring Human-Robot Collaboration Processes with Augmented Reality using Hybrid User Interfaces
针对创建增强现实人机协作系统的挑战，本文提出开源创作工具ARTHUR，通过多模态反馈、动作和条件支持结合桌面与头戴设备的混合用户界面，实现交互空间创建与现场改进，并在复现实验与用户评估中验证了其适用性。
2025-01-04 cs.HC
Scholastic: Graphical Human-Al Collaboration for Inductive and Interpretive Text Analysis
University of Colorado Boulder（科罗拉多大学博尔德分校）；University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
解释学者从文本语料库中生成知识，通过手动采样文档，应用代码，并将代码提炼和整理成类别，直到有意义的主题出现。在一个大型语料库中，机器学习可以帮助扩展这种数据采样和分析，但之前的研究表明，专家们普遍担心算法可能会破坏或推动解释性学术。我们采取以人为本的设计方法来解决机器辅助解释性研究的问题，以构建Scholastic，它采用了机器在环聚类算法来支撑解释性文本分析。作为一个学者应用代码的文件，并细化它们，所产生的编码模式作为结构化的元数据，约束层次的文件和词集群推断从语料库。这些集群的交互式可视化可以帮助学者战略性地对文档进行采样，进一步获得见解。Scholastic演示了以人为中心的算法设计和可视化如何使用熟悉的隐喻，通过交互式主题建模和文档聚类来支持归纳和解释性研究方法论。
2022-08-12 cs.HC cs.LG
Understanding Expert Exploration in EHR Visualization Tools: The ParcoursVis Use Case
本研究基于ParcoursVis系统，提出一种理解从业者在探索医疗数据时心智模型的评估方法，旨在揭示专家用户的探索策略及探索性工具在健康数据分析中的效用。
2025-09-12 cs.HC
On the Challenges of Collaborative Data Processing
在过去的30年里，我们看到了各种各样的科学和商业电子协作工具的诞生。一些最知名的协作工具支持文本编辑（例如，wiki）。维基百科的成功表明，大规模的合作可以产生非常有价值的内容。与此同时，许多结构化数据正在收集并公开提供。我们从来没有获得过更强大的数据库和统计软件包。大规模的数据分析是可能的吗？通过对Web 2.0数据可视化网站的定量分析，我们发现至少有适度的开放式协作。然后，我们探讨了数据协作的一些限制因素。
2009-06-04 cs.DB cs.HC
Explainable Spatial Clustering: Leveraging Spatial Data in Radiation Oncology
University of Illinois at Chicago（伊利诺伊大学芝加哥分校）；University of Iowa（爱荷华大学）；University of Texas（得克萨斯大学）
放射治疗中数据汇集的进步为应用数据采掘和机器学习技术促进新的数据驱动见解带来了大量机会。鉴于这些进步，支持机器学习专家和临床医生之间的协作对于促进这些模型的更好开发和采用非常重要。虽然许多医疗用例依赖于空间数据，其中理解和可视化数据的底层结构是很重要的，但临床受众对空间聚类结果的可解释性知之甚少。在这项工作中，我们反映了设计的可视化解释新的方法来聚类复杂的解剖数据从头部和颈部癌症患者。这些可视化是在与放射肿瘤学家和统计学家的多年合作期间，通过参与式设计为临床受众开发的。我们将这种合作提炼成一组经验教训，为临床用户创建可视化和可解释的空间聚类。
2020-10-20 cs.HC cs.LG
Leveraging Large Language Models to Enhance Domain Expert Inclusion in Data Science Workflows
本文提出 CellSync 框架，通过 Jupyter Notebook 扩展跟踪数据变化，并利用大语言模型驱动的可视化仪表板帮助领域专家理解数据操作，从而增强数据科学协作中的透明度和参与度。
2024-05-03 cs.HC
MyWeekInSight: Designing and Evaluating the Use of Visualization in Self-Management of Chronic Pain by Youth
本研究设计了基于可视化的自我反思工具MyWeekInSight，通过可视化个人健康数据帮助慢性疼痛青少年理解生活因素间的交织关系，经三周临床部署评估，提出了临床部署的挑战框架与缓解策略。
2024-05-30 cs.HC
Labeling of Cultural Heritage Collections on the Intersection of Visual Analytics and Digital Humanities
该研究探讨可视化与人文跨学科项目的难点，结合三项文化遗产馆藏标注案例，分析数据问题、参与式设计流程，总结合作经验，填补了非物质遗产领域相关方法应用的空白。
2022-08-29 cs.HC
Understanding Codebase like a Professional! Human-AI Collaboration for Code Comprehension
Johns Hopkins University（约翰斯·霍普金斯大学）；Metatrust Labs（MetaTrust实验室）；Singapore Management University（新加坡管理大学）；Fudan University（复旦大学）；Singapore-MIT Alliance for Research and Technology（新加坡-麻省理工学院研究联盟）；University of California, San Diego（加利福尼亚大学圣地亚哥分校）；North Carolina State University（北卡罗来纳州立大学）
CodeMap通过动态信息提取和交互式可视化，提升代码理解的直观性和易用性，减少对LLM响应的依赖。
2026-02-12 cs.HC
Winds Through Time: Interactive Data Visualization and Physicalization for Paleoclimate Communication
本文介绍了一项多学科合作，为公共科学中心设计了一个关于古气候的交互式展览，通过可触摸操作的山脉和冰盖数据实体化与风模拟可视化交互，展示北美洲现在与末次冰盛期气候的巨大差异。
2025-09-16 cs.HC cs.MM
Curio: A Dataflow-Based Framework for Collaborative Urban Visual Analytics
针对现有城市可视化分析工具孤立、难扩展等问题，提出Curio框架，通过多抽象层数据流模型促进协作，支持数据工作流交织与溯源，经三类场景验证灵活性，可提升跨领域城市分析效率。
2024-08-12 cs.CY cs.HC
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
Visualizing Historical Book Trade Data: An Iterative Design Study with Close Collaboration with Domain Experts
King’s College London（伦敦国王学院）；University of Oxford（牛津大学）
本文通过与历史学家合作，开发了DanteExploreVis可视化工具，帮助专家探索、解释和展示书籍贸易数据，总结了设计过程中的洞察和经验。
2023-08-21 cs.HC
ARGUS: Visualization of AI-Assisted Task Guidance in AR
本文提出ARGUS可视化分析系统，通过在线与离线可视化多模态传感器数据和ML模型输出，支持智能AR助手的开发、调试与优化。
2023-08-11 cs.HC
LightVA: Lightweight Visual Analytics with LLM Agent-Based Task Planning and Execution
提出LightVA轻量级可视化分析框架，利用LLM智能体递归规划与执行任务，实现人机协作的数据探索与洞察获取，并通过专家研究验证有效性。
2025-06-21 cs.HC
The MERCADO Workshop at IEEE VIS 2023: Multimodal Experiences for Remote Communication Around Data Online
本文介绍 IEEE VIS 2023 的 MERCADO 研讨会，旨在汇聚研究者探讨围绕数据的多模态、同步、远程或混合通信与协作，以形成设计空间、综述论文及合作研究议程。
2023-04-12 cs.HC
OW-CLIP: Data-Efficient Visual Supervision for Open-World Object Detection via Human-AI Collaboration
School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院）；School of Software, Tsinghua University（清华大学软件学院）
本文提出 OW-CLIP 人机协作可视化分析系统，通过多模态提示调优、Crop-Smoothing 与双模态数据精炼，实现低标注成本的开放世界目标检测增量训练。
2025-07-26 cs.CV cs.HC
Towards medhub: A Self-Service Platform for Analysts and Physicians
本文介绍面向分析师和医生的自助服务平台 medhub 的第一阶段成果，采用以用户为中心的方法促进跨学科生物标志物识别，并规划将可视化研究与用户中心设计相结合。
2023-09-22 cs.HC
Graph of Trace: Visualizing Execution Traces of Scientific Agent
Shanghai Qi Zhi Institute（上海智源研究院）；Renmin University of China（中国人民大学）；Tsinghua University（清华大学）；Beihang University（北京航空航天大学）；Georgia Institute of Technology（佐治亚理工学院）；Fudan University（复旦大学）
提出一种监控与可视化框架，通过记录细粒度执行事件并组织为有向图，实时展示科学智能体的工作流结构，提升可解释性与人机协作效率。
2026-06-16 cs.HC
EXR: An Interactive Immersive EHR Visualization in Extended Reality
Georgia Institute of Technology（佐治亚理工学院）；Wallace H. Coulter Department of Biomedical Engineering, Georgia Tech & Emory University（佐治亚理工学院生物医学工程系及埃默里大学）；Shriners Hospitals for Children, Headquarters, Tampa, FL（夏普斯儿童医院，总部，佛罗里达州坦帕）；Shriners Hospitals for Children, Philadelphia, PA（夏普斯儿童医院，费城，宾夕法尼亚州）
本文提出了一种基于扩展现实的EHR可视化平台，整合结构化和非结构化患者数据，支持沉浸式交互和实时协作，为下一代临床决策支持工具奠定基础。
2025-12-05 cs.CV cs.HC cs.LG
Py maidr: Bridging Visual and Non-Visual Data Experiences Through a Unified Python Framework
本文提出统一的 Python 框架 Py maidr，将多模态数据表示无缝编码至 Matplotlib 和 Seaborn 图表中，支持视障与视力正常用户双向协作，以极小代码改动与性能开销显著缩小数据可视化的无障碍差距。
2025-09-16 cs.HC
Graffinity: Visualizing Connectivity In Large Graphs
多变量图在许多领域都是多产的，包括运输和神经科学。图分析的一个关键任务是探索连通性，例如，分析信号如何通过神经元流动，或者探索不同城市通过航班连接的程度。虽然标准的节点链接图有助于判断连通性，但它们无法扩展到大型网络。邻接矩阵也不能扩展到大型网络，并且仅适用于判断相邻节点的连通性。实现可伸缩图可视化的一个关键方法是查询：而不是显示整个网络，只显示相关的子集。然而，如果查询结果足够大，用于分析图中连通性的基于查询的技术也很容易受到混乱的影响。为了弥补这一点，我们引入了技术，提供了一个概述的连接，并按需透露细节。我们有两个主要贡献：（1）两种新颖的可视化技术，它们协同工作，用于总结图形连接;（2）Graffinity，这些可视化的开源实现，辅以详细视图，以实现完整的分析工作流程。Graffinity是与神经科学家密切合作设计的，并针对连接组学数据分析进行了优化，但该技术适用于跨领域。我们验证的连接概述和我们的开源工具与说明性的例子，使用飞行和连接组学数据。
2017-03-22 cs.GR cs.HC
PhenoFlow: A Human-LLM Driven Visual Analytics System for Exploring Large and Complex Stroke Datasets
Seoul National University（首尔大学）；Korea University Guro Hospital（高丽大学九老医院）；Seoul National University College of Medicine（首尔大学医学院）；Seoul National University Bundang Hospital（首尔大学盆唐医院）；Hankuk University of Foreign Studies（韩国外国语大学）
针对急性卒中临床数据复杂不规则导致分析决策困难的问题，开发了人-LLM协作的视觉分析系统PhenoFlow，通过LLM处理数据、医生监督交互的方式降低认知负荷并保护隐私，有效支持临床决策。
2024-07-23 cs.AI cs.HC
Human-AI Collaboration and Explainability for 2D/3D Registration Quality Assurance
Johns Hopkins University（约翰霍普金斯大学）
针对2D/3D配准偏差难检测的问题，提出首个AI质量评估模型并辅以XAI机制，通过对比四种决策条件，发现人机协作可提升检测性能且XAI能增强用户理解，为手术安全提供决策支持。
2025-11-18 cs.CV cs.HC
ViviDoc: Generating Interactive Documents through Human-Agent Collaboration
National University of Singapore（新加坡国立大学）；University of Virginia（弗吉尼亚大学）；Cornell University（康奈尔大学）
ViviDoc通过多智能体流程和三级人类控制，系统性解决交互式文档生成问题，构建了ViviBench基准并实现高内容丰富度和交互质量。
2026-03-30 cs.AI cs.HC
Visualization and Optimization Techniques for High Dimensional Parameter Spaces
Stony Brook University（石溪大学）
高维参数空间优化在许多应用中是至关重要的。影响这种性能的参数可以是数字的，也可以是分类的。现有的黑箱优化和可视化分析技术在处理数值参数方面很好，但在数值变量的背景下分析分类变量没有得到很好的研究。因此，我们提出了一种新的方法，创建一个自动调优框架的存储系统优化相结合的直接优化技术和可视化分析研究。虽然优化算法将是系统的核心，但可视化分析将在外部代理（专家）的帮助下提供指导，以提供关键提示来缩小优化引擎的大搜索空间。作为创建用于存储系统优化的自动调整引擎的初始步骤的一部分，我们创建了一个交互式配置浏览器\textit{ICE}，它直接满足了分析师的需求，即了解给定多个优化目标的参数设置如何影响从属数值变量。没有信息丢失，因为ICE显示了因变量在每个分类变量背景下的完整分布和统计。分析师可以交互式过滤的变量，以优化某些目标，如实现系统的最大性能，低方差等，我们的系统开发与一组系统性能的研究人员紧密合作，其最终的有效性进行了评估与专家访谈，比较用户研究，和两个案例研究。我们还讨论了我们的研究计划，创建一个有效的自动调优框架相结合的黑盒优化和可视化分析存储系统的性能优化。
2022-04-28 cs.AI cs.GR cs.HC
Augmenting Sports Videos with VisCommentator
针对体育视频数据增强制作门槛高的问题，提出元素与片段层级设计空间，并开发 VisCommentator 工具，利用机器学习提取器和可视化推荐快速生成增强乒乓球视频。
2024-05-10 cs.GR cs.HC
Engaging with AI: How Interface Design Shapes Human-AI Collaboration in High-Stakes Decision-Making
University of California, Santa Barbara（加利福尼亚大学圣巴巴拉分校）
本研究在糖尿病管理场景中通过108人对照实验评估六种决策支持机制，发现AI置信度、文本解释和性能可视化能提升人机协作表现与信任，而人类反馈和AI提问虽促进反思却因增加认知负担降低表现，强调了平衡设计认知强制功能与可解释AI的重要性。
2025-01-28 cs.AI cs.HC
Vocal Sandbox: Continual Learning and Adaptation for Situated Human-Robot Collaboration
Stanford University（斯坦福大学）
提出Vocal Sandbox框架，通过多模态教学和轻量级学习算法实现情境化人机协作的持续学习，在礼品袋组装和定格动画任务中显著提升性能并减少监督。
2024-11-04 cs.AI cs.CL cs.HC
