Exploring Artistic Visualization of Physiological Signals for Mindfulness and Relaxation: A Pilot Study
本研究将艺术效果融入生理信号可视化,开发出艺术生物反馈界面,并通过10人初步实验证实,相比经典图形生物反馈,该界面能显著提升用户放松效果与反馈可理解性。
2023-10-22 cs.HC
Lost in Magnitudes: Exploring Visualization Designs for Large Value Ranges
本文针对跨越多个数量级的大数值范围可视化问题,提出尾数与指数分离编码的设计空间和准则,并通过众包实验验证所选方案能提升定量比较效果与判读信心。
2025-03-10 cs.HC
Exploring How Personality Models Information Visualization Preferences
最近的研究表明,信息可视化的个体差异如何作为一个调解人的用户如何与可视化系统进行交互。我们集中我们的探索性研究是否个性有影响用户的偏好,用于层次结构,随着时间的推移,演变和比较上下文的成语。具体来说,我们利用所有的人格变量从五因素模型和三个维度从控制点(LoC)的相关性和聚类方法。基于相关的方法表明,神经质,经验开放性,可接受性,每个特质的几个方面,以及来自LoC的外部维度介导了个体对某些习语的偏好程度。此外,我们的聚类分析结果表明,神经质,外倾性,尽责性,以及所有的维度从LoC有影响的习语偏好在层次和进化的背景下。我们的研究结果支持将深入的个性与InfoVis的协同作用纳入可视化系统的设计流程。
2020-09-07 cs.HC
The Chart Excites Me! Exploring How Data Visualization Design Influences Affective Arousal
随着数据可视化越来越多地应用于大众传播,设计师往往试图立即抓住观众,并激励他们阅读更多。正如先前的研究所表明的那样,这些目标与情绪的激活密切相关,即情感唤醒。鉴于这种动机,这项工作采取初步措施,了解数据可视化设计中的唤醒相关因素。我们收集了265个数据可视化的语料库,并与184名参与者进行了一项众包研究,在此期间,参与者被要求对数据可视化设计(所有文本都被模糊以排除语义的影响)引起的情感唤起进行评级,并提供他们的理由。根据收集的数据,首先,我们通过定性分析用户评论来识别一组与唤醒相关的设计特征。然后,我们将这些特征映射到可计算变量,并构建回归模型来推断哪些特征对情感唤起有重要的定量贡献。通过这项探索性研究,我们最终确定了四个设计特征(例如,色彩、不同视觉通道的数量)交叉验证为与情感唤起相关的重要特征。
2022-11-07 cs.HC
Visualization Atlases: Explaining and Exploring Complex Topics through Data, Visualization, and Narration
该研究通过分析33个可视化图谱集、访谈8位创作者,定义了可视化图谱集概念,提出8维度设计模式与5种类型,揭示其结合探索性可视化、叙事元素与结构化导航的特点,为相关设计与研究提供参考。
2024-08-14 cs.HC
More Than Beautiful: Exploring Design Features, Practical Perspectives, and Implications of Artistic Data Visualization
本文通过分析220件数据艺术作品并访谈12位数据艺术家,构建艺术数据可视化的设计分类体系,揭示其艺术根基与独特特征,并提出七条未来研究方向。
2025-02-07 cs.HC
CompositingVis: Exploring Interactions for Creating Composite Visualizations in Immersive Environments
本文提出CompositingVis,通过具身交互设计空间和三维操纵组合,使用户能在沉浸式环境中灵活创建复合可视化,并经用户研究验证其可用性与体验价值。
2024-08-07 cs.HC
Too Many Cooks: Exploring How Graphical Perception Studies Influence Visualization Recommendations in Draco
本文提出利用30篇图形感知研究结果构建Draco推荐算法,通过探索性分析验证其可行性,识别文献空白、聚类论文偏好并解释研究影响力差异,促进两领域协同发展。
2023-08-28 cs.HC
Connections Beyond Data: Exploring Homophily With Visualizations
本研究通过众包实验(N=450)探索可视化中的种族同质性,以美国大规模枪击数据为例,发现无同质性证据,但所有条件下情感显著负面转变,且政治意识形态影响情感变化。
2024-08-06 cs.HC
Breaking the Plane: Exploring Real-Time Visualization of 3D Surfaces in Augmented Reality with Handwritten Input
本文介绍一款AR头显应用,通过手写输入解析方程并实时绘制三维函数曲面,结合交互与动态可视化,显著提升学习参与度和问题解决效果。
2025-07-08 cs.HC
Exploring the Capability of LLMs in Performing Low-Level Visual Analytic Tasks on SVG Data Visualizations
本文通过零样本提示评估大语言模型在SVG可视化上执行10项低层级视觉分析任务的能力,发现其在聚类等任务上表现良好,但在计算派生值等数学任务上表现较差,且性能受数据点数量、数值标签和图表类型等因素影响。
2024-05-01 cs.HC
From Delays to Densities: Exploring Data Uncertainty through Speech, Text, and Visualization
该研究系统探索语音、文本、可视化三类模态及其内部差异对不确定数据决策的影响,通过众包实验发现三类模态各有优劣,为多模态数据不确定性表达的设计与研究提供了依据。
2024-04-12 cs.HC
Make the Unhearable Visible: Exploring Visualization for Musical Instrument Practice
University of Stuttgart(斯图加特大学);University of Wisconsin, Madison(威斯康星大学麦迪逊分校)
本文探讨了通过可视化技术帮助音乐家在练习中发现演奏模式,提出了一种交互式可视化方法,并通过33种设计探索,为未来音乐教育可视化提供了设计参考。
2026-01-23 cs.HC
Exploring Collaborative Immersive Visualization & Analytics for High-Dimensional Scientific Data through Domain Expert Perspectives
George Mason University(乔治梅森大学);MIT Media Lab, MIT(麻省理工学院媒体实验室);National Institute of Standards and Technology(美国国家标准与技术研究院)
通过访谈领域专家,研究探讨了多用户协作在高维科学数据可视化与分析中的挑战与机遇,提出设计改进以提升协作效率与公平性。
2026-02-04 cs.HC
Linting is People! Exploring the Potential of Human Computation as a Sociotechnical Linter of Data Visualizations
本文扩展 Linting 概念至数据可视化,从正统、中立、反叛维度探索评估模式,通过 Community Notes 研究人类计算的潜力,证明其可识别问题可视化并提供社会洞察,还考量了 AI 驱动 Linter 的影响。
2025-02-11 cs.HC
Exploring Mid-Air Hand Interaction in Data Visualization
本研究通过引出研究、用户研究和专家研究,探索数据可视化中的空中手势交互,提出了促进无器具、无触摸和嵌入式交互的新设计,并揭示了其在表达、认知和参与度方面的优势及设计挑战。
2023-11-26 cs.HC
Exploring Interactions with Printed Data Visualizations in Augmented Reality
本文提出了一种设计空间的互动技术,从事与可视化,打印在纸上,并通过增强现实增强。纸张被广泛用于部署可视化,并为交互提供丰富的有形启示,例如触摸,折叠,倾斜或堆叠。同时,增强现实可以动态更新可视化内容,以按需提供平移、缩放、过滤或细节等命令。本文是第一个提供一个结构化的方法来映射可能的行动与纸张的互动命令。这个设计空间和控制用户研究的结果对未来涉及纸张和可视化的增强现实系统的设计有影响。通过研讨会(N=20)和构思,我们确定了81个互动,我们在三个维度分类:1)可以由互动支持的命令,2)与纸(交互)行动提供的具体参数,以及3)参与互动的纸张数量。我们在一项对照研究(N=12,HoloLens 2)中使用原型实现测试了其中11种交互的用户偏好和可行性,发现大多数交互都是直观的,使用起来很吸引人。我们总结了相互作用(例如,倾斜到平移),具有强大的启示,以补充数据探索的“点”,物理限制和纸张作为介质的属性,需要冗余和快捷方式的情况,以及设计的其他含义。
2022-08-22 cs.HC
Exploring Agentic Approaches for Data Issue Detection and Repair in AI-Assisted Visualization
Louisiana State University(路易斯安那州立大学);University of Utah(犹他大学)
本研究通过评估GPT-5等LLMs在单/多智能体模式下的表现,探究其在AI辅助可视化中检测修复数据问题的能力,发现其在单字段问题上表现良好但在时间等问题上存在不足,并提出智能体可视化系统的设计启示。
2026-08-25 cs.HC
Visualization Tool: Exploring COVID-19 Data
本文提出一种整合 NY Times、CDC 与 Safegraph 多源数据的 COVID-19 可视化工具,并引入基于贝叶斯惊奇的 Surprising Map,以更全面且避免统计误导地分析疫情空间数据。
2025-01-10 cs.HC
Illegible Semantics: Exploring the Design Space of Metal Logos
金属乐队的标志可以轮流花哨,粗俗,或几乎难以辨认。然而,这些标志是有效的:它们传达了复杂的类型和情感影响的概念。在本文中,我们使用的金属标志的设计考虑,探索“难以辨认的语义”的空间:文字可以在可读性的成本,这并不总是最重要的目标信息交流的方式。在这项工作中,形成可视化理论,专业设计的专业知识和经验评估的语料库的金属乐队标志,我们描述了一个设计空间的金属标志,并提出了一个工具,通过它可以探索标志的特点,通过可视化。我们调查的方式,标志设计师灌输他们的文字与意义,并考虑更广泛的可视化的机会和影响。
2021-09-03 cs.HC
Sounds Uncertain: Exploring the Affective Aspects of Sonification for Uncertainty Visualization
University of Stuttgart(斯图加特大学)
该研究通过协同设计实验,探究声音化在不确定性可视化中的情感传递作用,发现不确定性对应不祥的波动听觉特质、中立性对应清晰放松的听觉特质,为相关可视化设计提供了依据。
2026-08-20 cs.HC cs.SD
Vibe Analysis: Exploring LLM Adoption by Data Visualization Practitioners
Northeastern University(东北大学)
本研究通过访谈数据可视化协会成员,发现从业者积极采用LLM,并提出了“氛围分析”这一新工作流程,同时识别了知识空白与图表验证等特有挑战。
2026-09-29 cs.AI cs.HC
Through the Expert's Eyes: Exploring Asynchronous Expert Perspectives and Gaze Visualizations in XR
针对复杂手工技能异步传承难题,本文通过 N=36 的实验评估 XR 中第一/第三人称视角与注视可视化,发现第一人称视角效率更高且更受偏好,并提出设计指南。
2025-08-31 cs.HC
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
Cartolabe: A Web-Based Scalable Visualization of Large Document Collections
我们描述了CARTOLABE,一个基于Web的多尺度系统,用于可视化和探索基于主题的大型文本语料库,引入了一种新的机制,用于过滤查询的渐进可视化。CARTOLABE最初旨在表示和浏览不同学科的科学出版物,现已发展成为一个通用框架,并可容纳各种语料库,从维基百科(450万条目)到法国国家辩论(430万条目)。CARTOLABE由两个模块组成:第一个模块依赖于自然语言处理方法,将语料库及其实体(文档,作者,概念)转换为高维向量,计算它们在2D平面上的投影,并为平面区域提取有意义的标签。第二个模块是基于Web的可视化,显示使用UMAP投影方法从语料库的多维投影计算的瓦片。该可视化模块旨在使没有可视化和数据分析专业知识的用户能够概述他们的语料库,并与之交互:探索,查询,过滤,平移和缩放语义感兴趣的区域。三个用例进行了讨论,以说明CARTOLABE的多功能性和能力,使大规模的文本语料库可视化和探索,以广大观众。
2020-10-16 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
Exploring the Design Space of Aesthetics with the Repertory Grid Technique
通过优化美学,可以生成更容易阅读和理解的图表。然而,挑战在于确定合适的美学。本文提出了一种基于储备网格的设计美学空间探索方法。我们应用我们的方法与三个独立的组的参与者系统地识别图形美学。在所有三种情况下,我们都能够在没有任何先验知识的情况下再现对可读性具有积极影响的美学。我们还将我们的方法应用于二维和三维特定领域的软件可视化,以证明其多功能性。在这种情况下,我们还能够获得与感知可视化相关的几种美学。
2020-08-18 cs.HC
Exploring Multimodal Prompt for Visualization Authoring with Large Language Models
State Key Lab of CAD&CG, Zhejiang University(CAD与CG国家重点实验室,浙江大学)
本研究针对自然语言提示在可视化创作中的局限性,提出结合视觉提示的多模态方法,并设计VisPilot系统,通过用户研究和专家评估验证其能有效传达空间约束等意图,同时保持任务效率。
2026-09-11 cs.AI cs.HC
SpatialTouch: Exploring Spatial Data Visualizations in Cross-reality
本文提出一种结合单目2D交互屏幕与立体3D增强现实HMD的跨现实环境,通过定制多模态交互技术支持空间数据可视化,并基于用户研究构建了三个领域的设计空间,验证了其可用性。
2024-07-20 cs.HC
VisQuiz: Exploring Feedback Mechanisms to Improve Graphical Perception
针对现有图形感知研究缺乏深度反馈效果研究的问题,研究者设计了含试次反馈与阶段总结反馈的VisQuiz机制,实验证明其可显著提升气泡图任务表现且效果有延续性,为可视化素养提升提供参考。
2023-10-02 cs.HC
A Large-Scale Feasibility Study of Screen-based 3D Visualization and Augmented Reality Tools for Human Anatomy Education: Exploring Gender Perspectives in Learning Experience
该研究针对传统解剖学教育的资源与理解难题,研发了平板3D可视化和屏幕式AR两种解剖学习工具,经236名医预学生测试验证其学习体验优于教科书,同时发现性别对学习体验的影响,为医学教育创新提供参考。
2024-01-31 cs.GR cs.HC
TimberTrek: Exploring and Curating Sparse Decision Trees with Interactive Visualization
Georgia Institute of Technology(佐治亚理工学院);Duke University(杜克大学)
鉴于成千上万个同样准确的机器学习(ML)模型,用户如何在其中进行选择?最近的ML技术使领域专家和数据科学家能够为稀疏决策树生成一个完整的罗生门集-一个几乎最优的可解释ML模型的巨大集合。为了帮助ML从业者从这个罗生门集合中识别具有理想属性的模型,我们开发了TimberTrek,这是第一个交互式可视化系统,它可以大规模总结数千棵稀疏决策树。两个使用场景强调了TimberTrek如何使用户能够轻松地探索、比较和策划与其领域知识和价值观相一致的模型。我们的开源工具直接在用户的计算笔记本和Web浏览器中运行,降低了创建更负责任的ML模型的障碍。TimberTrek可在以下公开演示链接中获得:https://poloclub.github.io/timbertrek。
2022-09-19 cs.AI cs.HC cs.LG
From Instruction to Insight: Exploring the Functional and Semantic Roles of Text in Interactive Dashboards
本文通过分析190个仪表板和13次专家访谈,系统刻画了交互式仪表板中文本的类别、语义层次与功能角色,并提出12条启发式规则,推动文本在仪表板设计中的一等公民地位。
2024-08-06 cs.HC
Dodrio: Exploring Transformer Models with Interactive Visualization
Georgia Tech(佐治亚理工学院)
为什么基于transformer的大型预训练模型在各种NLP任务中表现如此出色?最近的研究表明,关键可能在于多头注意力机制对语言信息的学习和表征能力。理解这些模型如何表示句法和语义知识对于研究它们为什么成功和失败,它们学到了什么,以及它们如何改进是至关重要的。我们提出了Dodrio,一个开源的交互式可视化工具,以帮助NLP研究人员和从业者分析注意力机制在基于transformer的模型与语言知识。Dodrio紧密集成了概述,总结了不同注意力头部的角色,以及详细的视图,帮助用户将注意力权重与输入文本中的语法结构和语义信息进行比较。为了便于注意力权重和语言知识的视觉比较,Dodrio应用了不同的图形可视化技术来表示可扩展到较长输入文本的注意力权重。案例研究强调了Dodrio如何为理解基于transformer的模型中的注意力机制提供见解。Dodrio可在https://poloclub.github.io/dodrio/上获得。
2021-06-05 cs.AI cs.CL cs.HC
Exploring LLM Agent Designs and Interaction Modalities for Scientific Visualization
Univ. Notre Dame(诺特难大学);LLNL(劳伦斯利弗莫尔国家实验室)
本文研究不同类型的LLM代理在科学可视化任务中的表现,通过评估八种代表性代理在15个基准任务中的可视化质量、效率、鲁棒性和计算成本,发现通用编程代理任务成功率最高但计算成本高,领域专用代理更高效稳定但灵活性差,计算机使用代理在单步任务表现良好但多步流程受限。
2026-06-26 cs.AI cs.GR cs.HC
Exploring the Human Connectome Topology in Group Studies
视觉上比较大脑网络或连接体是神经科学领域的一项重要任务。特别是与临床神经科学领域相关的,研究人群之间差异或人群内随时间变化的群体研究使神经科学家能够推理出一系列神经精神疾病的有效诊断和治疗方法。在本文中,我们专门探讨了如何使用可视化分析工具来促进各种临床神经科学任务,其中观察和分析连接体中有意义的模式可以支持患者的诊断和治疗。我们进行了一项调查,使临床神经科学活动的可视化任务,并进一步探讨现有的连接体可视化工具如何支持或不支持这些任务。基于我们对这些任务的调查,我们介绍了一种新的可视化工具,NeuroCave,以支持组研究分析。我们讨论了我们的设计决策(使用沉浸式可视化,使用层次聚类和降维技术,以及视觉编码的选择)是由这些任务的动机。我们通过两个用例来评估NeuroCave,这两个用例说明了交互式连接体可视化在临床神经科学背景下的实用性。在第一个用例中,我们使用功能连接体研究性别差异,并发现与空间和语言能力方面的认知差异相关的隐藏连接体模式。在第二个用例中,我们展示了在不同的拓扑空间中可视化大脑的效用以及聚类信息如何揭示大脑的内在结构。
2017-06-30 cs.HC q-bio.NC
TOBY: A Tool for Exploring Data in Academic Survey Papers
本文介绍TOBY,一种可视化工具,通过分层分类视图、文档相似性视图、引文网络和论文推荐四个组件,帮助用户探索学术综述论文内容,并基于三次部署讨论其功能。
2023-06-13 cs.DL cs.HC cs.IR
Exploring the Design Space of Immersive Urban Analytics
本文针对沉浸式头戴设备的发展,提出沉浸式城市分析可视化理论模型,构建2D与3D可视化组合方法分类体系并给出选择指南,同时探讨未来研究方向。
2023-10-07 cs.GR cs.HC
WizMap: Scalable Interactive Visualization for Exploring Large Machine Learning Embeddings
Georgia Tech(佐治亚理工学院);Apple(苹果公司)
针对机器学习嵌入难解释、维度高、规模大的问题,研究团队提出开源交互式可视化工具WizMap,结合多分辨率嵌入摘要方法与类地图交互,依托Web技术可在浏览器中支持百万级嵌入点探索。
2023-06-15 cs.CL cs.CV cs.HC
A Visualization Framework for Exploring Multi-Agent-Based Simulations Case Study of an Electric Vehicle Home Charging Ecosystem
University of Southern Denmark(南丹麦大学)
本文提出一种可视化框架,用于探索多智能体仿真中的涌现行为,通过案例研究展示其在电动汽车家庭充电生态系统中的应用与价值。
2025-06-25 cs.CE cs.HC cs.MA
Exploring and Visualizing COVID-19 Trends in India: Vulnerabilities and Mitigation Strategies
本文通过可视化和解释性分析印度官方 COVID-19 数据,考察 2020 年感染趋势及疫苗接种中心等缓解措施,强调数据可视化对公共卫生决策的价值。
2024-08-25 cs.CY cs.HC
Can a Neural Encoding Model Replicate an fMRI Visualization Study?
Youngstown State University(扬斯敦州立大学)
本研究评估Meta的Tribe V2神经编码模型能否复现fMRI可视化研究中的皮层对比,结果显示模型再现了14项效应中的11项方向,主要集中于视觉处理区域,并讨论了其局限性。
2026-09-15 cs.CV cs.HC
Immersive and Collaborative Data Visualization Using Virtual Reality Platforms
有效的数据可视化是大数据时代发现过程的关键部分。它是数据的定量内容和人类直觉之间的桥梁,因此是从数据到知识和理解的科学道路的重要组成部分。在数据采掘过程中,可视化也是必不可少的,它指导适用算法的选择,并帮助识别和删除分析中的不良数据。然而,现代数据集的高复杂性或高维度是一个关键障碍。我们如何可视化可能存在于超维数据空间中的有趣结构和模式?更好地理解我们如何感知多维信息并与多维信息进行交互,在认知技术和人机交互领域提出了一些深层次的问题。为此,我们正在探索使用沉浸式虚拟现实平台的科学数据可视化,无论是软件和廉价的商品硬件。这些潜在的强大和创新的多维数据可视化工具也可以提供一个简单和自然的路径,以协同数据可视化和探索,科学家可以与他们的数据和他们的同事在同一个视觉空间进行交互。沉浸式提供了超越传统桌面可视化工具的好处:它可以更好地感知全景几何,更直观地理解数据,并更好地保留数据中的感知关系。
2014-10-28 astro-ph.IM cs.HC
Lumos in the Night Sky: AI-enabled Visual Tool for Exploring Night-Time Light Patterns
L3S Research Center(L3S研究中心);Pennsylvania State University(宾夕法尼亚州立大学)
本文提出交互式 AI 工具 NightPulse,通过高效架构整合图像分割、聚类与变化检测,支持 NTL 数据可视化及城市发展、人口和边界等模式分析。
2023-06-05 cs.AI cs.HC cs.IR