AMiner：人工智能之可視化(53頁).pdf

1、 可視化研究報告 主 編：曹 楠 編 輯：何 楊 蒲 杰 目錄目錄 1.1. 概述篇概述篇 . 1 1 1.1 基本概念 1 1.2 可視化發展歷程 2 1.3 可視化呈現的設計標準 5 2.2. 技術篇技術篇 . 6 6 2.1 數據可視化（Data Visualization） 6 2.2 可視化圖形庫 21 2.3 國內知名可視化實驗室 22 2.4 可視化領域的頂級會議和期刊 23 3.3. 人才篇人才篇 . 2525 3.1 學者情況概覽 25 3.2 國外學者簡介 28 3.3 國內學者簡介 34 4.4. 應用篇應用篇 . 3939 4.1 社交媒體可視化 39 4.2 體育數據

2、可視化 40 4.3 醫療數據可視化 42 5.5. 趨勢篇趨勢篇 . 4545 圖表目錄圖表目錄 圖 1 可視化發展歷程 . 2 圖 2 拿破侖進軍莫斯科的歷史事件 . 3 圖 3 1933 年 Henry Beck 設計的倫敦地鐵圖 . 3 圖 4 科學可視化的早期可視化流水線 . 7 圖 5 CT（左）MRI(右) . 7 圖 6 飛機翼流可視化 . 8 圖 7 信息可視化參考模型 . 11 圖 8 2D 散點圖 . 12 圖 9 基于投影的多維可視化與平行坐標多維可視化 . 12 圖 10 集成了散點圖和柱狀圖的平行坐標工具 FlinaPlots . 13 圖 11 GitHub 歐洲

3、用戶分布示意圖. . 14 圖 12 細節級呈現 . 14 圖 13 壓縮的鄰接矩陣 . 14 圖 14 電影故事情節的可視化 . 15 圖 15 法國 1864 年紅酒出口 . 16 圖 16 可視化領域詞云 . 17 圖 17 DAViewer 和 DocuBurst 文本語義結構樹 . 17 圖 18 推特用戶線上社交活動的射線布局及基本信息 . 18 圖 19 主題河流圖 . 18 圖 20 事件河流圖 . 19 圖 21 可視分析學內容 . 20 圖 22 美國各州失業率等值線圖（左）與溪流圖（右） . 22 圖 23 IEEE 可視化會議官網 . 24 圖 24 IEEE 可視化與

4、計算機圖形學 . 24 圖 25 全球可視化領域 TOP 學者分布圖 . 25 圖 26 可視化領域 TOP 學者中國分布 . 26 圖 27 全球可視化領域 TOP 學者遷徙圖 . 27 圖 28 全球可視化領域 TOP 學者分布機構統計 TOP10 . 27 圖 29 全球可視化領域 TOP 學者 h-index 分布 . 27 圖 30 全球可視化領域 TOP 學者男女性別比例 . 28 圖 31 可視化全球研究趨勢圖 . 45 表 1 可視化呈現的設計標準 . 5 表 2 科學可視化分類 . 9 表 3 全球可視化領域 TOP 學者分布國家 TOP5 . 26 表 4 社交媒體可視化介

5、紹 . 39 表 5 體育數據可視化 . 40 表 6 醫療數據可視化 . 43 1 1. 概述篇概述篇 本章節從闡述可視化基本概念出發，簡要介紹可視化的發展歷程、研究內容、設計原則 與設計標準。 1.1 基本概念 可視化是把數值或非數值類型的數據轉化為可視的表示形式， 并獲得對數據更深層次認 識的過程?？梢暬瘜碗s的信息以圖像的形式呈現出來，讓這些信息更容易、快速地被人理 解，因此，它也是一種放大人類感知的圖形化表示方法。 可視化充分利用計算機圖形學、圖像處理、用戶界面、人機交互等技術，以人們慣于接 受的表格、圖形、圖像等形式，并輔以信息處理技術（例如：數據挖掘、機器學習等）將復 雜的客觀事

6、物進行圖形化展現， 使其便于人們的記憶和理解。 可視化為人類與計算機這兩個 信息處理系統之間提供了一個接口， 對于信息的處理和表達方式有其獨有的優勢， 其特點可 總結為可視性、交互性和多維性。 目前， 數據可視化數據可視化針對不同的數據類型及研究方向， 可以進一步劃分為科學數據可視化、 信息可視化， 以及可視分析學三個子領域。 這三個領域即緊密相關又分別專注于不同類型的 數據及可視化問題。具體而言，科學可視化科學可視化是針對科學數據的可視化展現技術?？茖W數據， 例如，醫療過程中由 CT 掃描生成的影像數據、風洞實驗而產生的流體數據、以及分子的化 學結構等，是對物理世界的客觀描述，往往是通過科學

7、儀器而測量得到的數據。這類數據的 可視化主要關注于如何以清晰直觀的方式展現數據所刻畫的真實物理狀態。 因此， 科學可視 化往往呈現的是三維場景下的時空信息。信息可視化信息可視化注重于如何以圖形的方式直觀展現抽 象數據，它涉及到了對人類圖形認知系統的研究。在這里，抽象數據（例如：圖形數據、多 維度數據、文本數據等）往往是對各應用領域所產生數據的高層次概括，記錄的是抽象化的 信息。 針對這樣的數據， 信息可視化著眼于多維度信息的可視編碼技術， 即如何以低維度 （2D） 的圖形符號來直觀展現并揭示抽象數據中所隱藏的潛在規律與模式；可視分析可視分析學學是多領域 技術結合的產物，旨在結合并利用信息可視化

8、、人機交互、以及數據挖掘領域的相關技術， 將人的判斷與反饋作為數據分析中重要的一環， 從而達到精準數據分析、 推理及判斷的目的。 可視化的重要性在于， 通過提供對數據和知識的展現， 建立用戶與數據系統交互的良好 溝通渠道， 利用人類對圖形信息與生俱來的模式識別能力， 通過以直觀的圖像化方式展現數 據，從而幫助用戶快速發覺數據中的潛在規律，并借助分析人員的領域知識與經驗，對模式 進行精準分析、判斷、推理，從而達到輔助決策的目的。 目前可視化技術在各行各業中均得到了廣泛的應用。其中，可視化技術在信息安全、智 慧醫療、電子商務、機器學習、智慧城市、文化體育、數字新聞、氣象預報、地質勘測等諸 多領域產

9、生了非常廣泛的應用，并逐漸成為這些領域當中越來越重要的組成部分。 當下可視化存在的挑戰是：如何進一步深入挖掘人類對于圖形、動畫、以及交互的感知 2 及認知模式，從而進一步完善可視化的相關理論；如何打破“手工作坊”式的針對每一個問 題，單獨定制數據可視化設計方案的傳統模式，大規模批量創造生成風格化的可視展現；以 及，如何根據用戶的數據分析任務與需求自動推薦合適的可視化展現方式。 主要的研究趨勢：海量、異構、時變、多維數據的可視化展示方案；可視化在可解釋性 深度學習領域的應用； 自動可視化生成技術的研究； 基于形式概念分析理論的知識可視化方 法；可視化模式識別；整體可視與局部詳細可視相結合的新方法

10、研究等。 1.2 可視化發展歷程 圖 1 可視化發展歷程 19 世紀世紀-19 世紀中葉：現代圖形學設計世紀中葉：現代圖形學設計雛形雛形 十九世紀前葉， 因為受視覺表達方法創新的影響， 統計圖形及專題繪圖領域應用得到快 速發展。目前，我們看到的絕大多數統計圖形都是在這一時間段被發明的。同期，因政府開 始著重關注人口、教育、犯罪、疾病等領域，數據的收集整理范圍明顯擴大，超乎以往的社 會管理方面的數據被收集起來用于社會分析。1801 年英國地質學家 William Smith 繪制了第 一幅地質圖，引領了一場在地圖上表現量化信息的潮流。這一時期，數據的收集整理從科學 技術和經濟領域擴展到社會管理領

11、域， 對社會公共領域數據的收集標志著人們開始以科學手 段進行社會研究。 與此同時科學研究對數據的需求也變得更加精確， 研究數據的范圍也有明 顯擴大，人們開始有意識地使用可視化的方式來嘗試研究、解決更廣泛領域的問題。 19 世紀中葉世紀中葉-末期：數據末期：數據圖形圖形繪制繪制發展加速發展加速 在十九世紀中葉，統計圖形、概念圖等概念迅猛發展，此時的人們已經掌握了整套統計 數據可視化工具，數據可視化領域發展進入了加速期，隨著數字信息對社會、工業、商業直 至交通規劃的影響不斷增大， 歐洲開始著力發展數據分析技術。 一群學者發起的統計理論給 出了更多種數據的意義， 數據可視化迎來了它歷史上的第一個發展

12、加速期。 統計學理論的建 立是可視化發展的重要一步，此時數據由政府機構進行收集，數據的來源變得更加規范化。 隨著社會統計學的影響力越來越大，在 1857 年維也納的統計學國際會議上，學者就已經開 始對可視化圖形的分類和標準化進行討論。不同數據圖形開始出現在書籍、報刊、研究報告 和政府報告等正式場合之中。這一時期法國工程師 Charles Joseph Minard 繪制了多幅有意義 的可視化作品，被稱為“法國的 Playfair”，他最著名的作品是用二維的表達方式，展現六 1919世紀世紀- -1919世紀中世紀中 葉葉 現代圖形學設計現代圖形學設計 雛形雛形 1919世紀中葉世紀中葉- -末

13、期末期 數據圖形繪制發數據圖形繪制發 展加速展加速 2020世紀世紀- -2020世紀中世紀中 葉葉 停滯期停滯期 19501950- -19741974 復蘇復蘇 19751975- -20112011 科學計算可視科學計算可視 化、信息可視化化、信息可視化 相繼相繼誕生誕生 20122012- -至今至今 基于大數據的可基于大數據的可 視化視化 3 種類型的數據， 用于描述拿破侖戰爭時期軍隊損失的統計圖 （見圖 2） 。 1879 年， Luigi Perozzo 繪制了一張 1750-1875 年瑞典人口普查數據圖，以金字塔形式表現了人口變化的三維立體 圖，此圖與之前所看到的可視化形式有

14、一個明顯的區別在于：開始使用三維的形式，并使用 彩色表示了數據值之間的區別，提高了視覺感知。在對這一時期可視化歷史的探究中發現， 數據來源的官方化， 以及對數據價值的認同成為了可視化快速發展的決定性因素， 當時幾乎 所有的常見可視化元素都已經出現。 并且在這一時期出現了三維的數據表達方式， 這種創造 性的成果對后來的研究有十分突出的作用。 圖 2 拿破侖進軍莫斯科的歷史事件 20 世紀世紀-20 世紀中葉：世紀中葉：停滯期停滯期 20 世紀的上半葉，隨著數理統計這一新數學分支的誕生，追求數理統計嚴格的數學基 礎并擴展統計的疆域成為這個時期統計學家們的核心任務。 數據可視化成果在這一時期得到 了

15、推廣和普及， 并開始被用于嘗試著解決天文學、 物理學、 生物學的理論新成果， Hertzsprung- Russell 繪制的溫度與恒星亮度圖成為了近代天體物理學的奠基之一；倫敦地鐵線路圖的繪 制形式如今依舊在沿用（如圖 3 所示） ；E. W. Maunder 的“蝴蝶圖”用于研究太陽黑子隨時 間的變化。然而，這一時期人類收集、展現數據的方式并沒有得到根本上的創新，統計學在 這一時期也沒有大的發展， 所以整個上半葉都是休眠期。 但這一時期的蟄伏與統計學者潛心 的研究才讓數據可視化在本世紀后期迎來了復蘇與更快速的發展。 圖 3 1933 年 Henry Beck 設計的倫敦地鐵圖 4 1950

16、-1974：復蘇復蘇 從 20 世紀上半葉末到 1974 年這一時期被稱為數據可視化領域的復蘇期，在這一時期 引起變革的最重要的因素就是計算機的發明， 計算機的出現讓人類處理數據的能力有了跨越 式的提升。在現代統計學與計算機計算能力的共同推動下，數據可視化開始復蘇，統計學家 JohnW. Tukey 和制圖師 Jacques Bertin 成為可視化復蘇期的領軍人物。JohnW. Tukey 在二戰 期間對火力控制進行的長期研究中意識到了統計學在實際研究中的價值， 從而發表了有劃時 代意義的論文“The Future of Data Analysis” ，成功的讓科學界將探索性數據分析（EDA

17、）視 為不同于數學統計的另一獨立學科，并在 20 世紀后期首次采用了莖葉圖、盒形圖等新的可 視化圖形形式，成為可視化新時代的開啟性人物。Jacques Bertin 發表了他里程碑式的著作 Semiologie Graphique。這部書根據數據的聯系和特征，來組織圖形的視覺元素，為信息的可 視化提供了一個堅實的理論基礎。隨著計算機的普及，上世紀六十年代末，各研究機構逐漸 開始使用計算機程序取代手繪的圖形。由于計算機的數據處理精度和速度具有強大的優勢， 高精度分析圖形已不能用手繪制。在這一時期，數據縮減圖、多維標度法 MDS、聚類圖、 樹形圖等更為新穎復雜的數據可視化形式開始出現。 人們嘗試著

18、在一張圖上表達多種類型數 據，或用新的形式表現數據之間的復雜關聯，這也成為這一時期數據處理應用的主流方向。 數據和計算機的結合讓數據可視化迎來了新的發展階段。 1975-2011：科學計算可視化、信息可視化：科學計算可視化、信息可視化相繼相繼誕生誕生 這段時期，計算機成為數據處理的一個重要工具，數據可視化進入了新的黃金時代，隨 著應用領域的增加和數據規模的擴大， 更多新的數據可視化需求逐漸出現。 二十世紀七十年 代到八十年代， 人們主要嘗試使用多維定量數據的靜態圖來表現靜態數據， 八十年代中期出 現了動態統計圖，最終在上世紀末兩種方式開始合并，致力于實現動態、可交互的數據可視 化， 動態交互式

19、的數據可視化方式成為新的發展主題。 數據可視化的這一時期的最大潛力來 自動態圖形方法的發展， 允許對圖形對象和相關統計特性的即時和直接的操縱。 這一時段初 期就已經出現交互系統， 通過調整控制來選擇參考分布的形狀參數和功率變換。 這可以看作 動態交互式可視化發展的起源，并推動了這一時期數據可視化的發展。 2012-至今：基于大數據的可視化至今：基于大數據的可視化 步入 21 世紀互聯網數據量猛增，人們逐漸開始對大數據的處理進行了重點關注。之后 全球每天的新增數據量就已經開始以指數倍膨脹，用戶對于數據的使用效率也在日益提升， 數據的服務商開始需要從多個維度向用戶提供服務，大數據時代就此正式開啟。

20、2012 年， 我們進入數據驅動的時代。 人們對數據可視化技術的依賴程度也不斷加深。 大數據時代的到 來對數據可視化的發展有著沖擊性的影響， 繼續以傳統展現形式來表達龐大的數據量中的信 息是不可能的， 大規模的動態化數據要依靠更有效的處理算法和表達形式才能夠傳達出有價 值的信息，因此大數據可視化的研究成為新的時代命題。我們在應對大數據時，不但要考慮 快速增加的數據量， 還需要考慮到數據類型的變化， 這種數據擴展性的問題需要更深入的研 究才能解決； 互聯網的加入增加了數據更新的頻率和獲取的渠道， 而實時數據的巨大價值只 有通過有效的可視化處理才可以體現， 于是在上一歷史時期就受到關注的動態交互的

21、技術已 5 經向交互式實時數據可視化發展。綜上，如何建立一種有效的、可交互式的大數據可視化方 案來表達大規模、不同類型的實時數據，成為了數據可視化這一學科的主要的研究方向。 1.3 可視化呈現的設計標準 一份優秀的可視化設計應該滿足以下幾項標準，如表 1 所示： 表 1 可視化呈現的設計標準 Faithfulness（信） Expressiveness（達） Elegance（雅） 保證展現數據準確性 有效且精準地呈現數據 保證數據呈現的美觀性，增強數據呈現的 藝術效果，符合審美規則 6 2. 技術篇技術篇 “One picture is worth thousand words.”（一張圖勝

22、過千言萬語）這句諺語已經充分描繪 出了圖形包含內容之多，傳遞信息效率之高。研究發現，人類從外界獲得的信息約有 80%以 上來自于視覺系統，當大數據以十分直觀的可視化圖形形式，展示在分析者面前時，分析者 往往能夠一眼洞悉數據背后隱藏的信息并轉化知識以及智慧。 雖然較為簡單的數據可視化形式， 已經出現了數個世紀， 但大量被人們使用和重視卻是 在近數十年內， 部分原因是現今的可視化工具越來越容易被大眾所使用， 同時隨著互聯網等 行業的興起，線上數據量呈現爆炸式增長，人們對可視化圖形的需求與日增強，運用到可視 化技術的頻率增高?？梢暬夹g也在順應需求，不斷被更新迭代，從最初的數據可視化衍生 出科學可視

23、化、信息可視化，基于上述技術又衍生出了可視分析。 本章節主要從數據可視化技術出發， 對其包含的科學可視化、 信息可視化和可視分析學 來進行可視化技術層面的簡單介紹。 2.1 數據可視化（Data Visualization） 據 2018 年 4 月 25 日消息，IDC（International Data Corporation）預測，全球數據總量預 計 2020 年達到 44 個 ZB，我國數據總量將達到 8060 個 EB，占全球數據總量的 18%。面對 如此龐大的數據量， 人類分析數據的能力卻要遠遠小于獲取數據的能力。 造成這一局面的原 因不單單在于與日俱增的數據量，同時其高維、多元

24、源、多態等特性，也為人類分析數據帶 來不小的挑戰。 數據可視化是幫助人類分析數據的手段之一， 它借助人類的視覺感知與認知能力， 能夠 十分有效地傳達豐富的、極易被隱藏的信息，對人類分析數據起到輔助的作用。正如本報告 1.2 章節寫到，當下的數據可視化技術基于計算機科學的快速發展，同時其運用計算機圖形 學、人機交互等技術，將采集到的數據轉化為可識別的圖形或視頻，將具有價值的信息反饋 給用戶。用戶再使用可視化交互工具進行數據分析，進一步將數據升華為知識。 傳統統計分析或者數據挖掘經常將數據變得簡化、 抽象， 這使得數據集真實的結構被隱 藏起來，而數據可視化卻彌補了這個弊端，它真實還原了數據集的結構

25、，甚至還在其基礎上 針對數據細節做出了進一步增強。 基于陳為等人編寫的數據可視化 、劉世霞等人發表的A Survey on Information Visualization和其他學者發表的論文，當下主流觀點將數據可視化視為科學可視化與信息 可視化的統稱。 數據可視化包括了科學數據處理的科學可視化與抽象、 非結構化信息的信息 可視化兩個分支。 科學可視化帶有空間坐標與幾何信息的三維空間測量數據、 醫學影像數據 等，其研究重點關注在如何有效呈現數據中幾何、拓撲和形狀特征。信息可視化是抽象的、 非結構化、非幾何的數據?；跀祿治龅闹匾?，人們選擇將可視化與分析結合，便形成 了可視分析學。 因此，

26、 數據可視化的主要分支包括了科學可視化、 信息可視化和可視分析學。 7 2.1.1 科學可視化（Scientific Visualization） 科學可視化是可視化領域最早、最成熟的一個跨學科研究與應用領域。1987 年，由布 魯斯麥考梅克等眾研究者撰寫的美國國家科學基金會報告科學計算之中的可視化對于 可視化領域具有重大的奠基意義。此后科學可視化的概念出現。 科學可視化的研究重點是帶有空間坐標和幾何信息的醫學影像數據、 三維空間信息測量 數據、流體計算模擬數據等。由于數據的規模通常超過圖形硬件的處理能力，所以如何快速 呈現數據中包含的集合、拓撲、形狀特征和演化規律是其核心問題?？茖W可視化面向

27、的領域 包括自然科學，如物理、化學、氣象氣候、航空航天、醫學、生物等學科，這些學科通常需 要對數據和模型進行解釋、操作與處理，旨在找出其中的模式、特點、關系以及異常情況。 科學可視化設計有可視化流程的參考體系模型， 并運用在數據可視化的系統中。 圖 4 是 科學可視化的早期可視化流水線。這條流水線其實是數據處理與圖形繪制的嵌套組合。 圖 4 科學可視化的早期可視化流水線 目前， 科學可視化的基礎理論與方法已經相對成形。 最初關于它的研究都主要集中在真 實世界的物理化現象，所以數據通常表達在三維空間?？茖W可視化基于數據類別，可大致分 為標量、向量、張量三類。 （1）標量場可視化標量場可視化 標量

28、，也被稱為“無向量” ，是指那些只具有數值大小，而沒有方向，沒有正負之分的 物理量。這些量之間的運算遵循一般的代數法則，稱作“標量” 。如質量、密度、溫度、能 量、路程、速率、體積、時間、熱量、電阻、功率等物理量。標量場指維度空間內每一個采 樣點的數據場， 它的獲得途徑包括醫學斷層掃描設備得到的 CT （計算機斷層掃描） 、 MRI （核 磁共振成像） 影像， CT 照片實際上是一個二維數據場， 照片的灰度表示了某一物體的密度。 將這些數據按一定順序排列起來，就構成一個三維數據場。 圖 5 CT（左）MRI(右) 原始數據 數據分析 預處理數據過濾 關注數據 映射幾何數據 繪制 圖像數據 8

29、（2）向量場可視化向量場可視化 在數學中，向量（也稱為歐幾里得向量、幾何向量、矢量） ，指具有大?。∕agnitude） 和方向的量。在物理學和工程學中，幾何向量更常被稱為矢量。向量場在每一個采樣點是一 個向量。 向量場可視化的主要關注點是流體模式和關鍵特征區域。 向量場可視化的應用主要 在計算流體動力學中速度場可視化。 任何涉及到流的學科都可以采用向量場可視化， 如社會 科學中人口的流動、飛機翼流可視化等。 圖 6 飛機翼流可視化 除了通過拓撲或幾何方法計算向量場的特征， 對向量場直接進行可視化的方法包括三類： 粒子對流法 將向量轉換為一幀或多幀紋理圖像，提供直觀的影像展示 圖標編碼單個或簡

30、化后的向量信息 （3）張量場可視化張量場可視化 張量概念是矢量概念的推廣，矢量是一階張量。張量是一個可用來表示在一些矢量、標 量和其他張量之間的線性關系的多線性函數。張量場可視化方法分為三類： 基于紋理的方法 這種方法是將張量場轉換為靜態或動態圖像序列， 呈現張量場的全局屬性。 首先將張量 場簡化為向量場，繼而采用線積分法、噪聲紋理法等方法顯像。 基于幾何的方法 這種方法能夠刻畫某類張量場屬性的幾何表達， 其中的圖標法采用某種幾何形式表達單 個張量，如橢球和超二次曲面；超流線法 Hyper streamline 將張量轉換為向量（如二階對稱 張量的主特征方向） ，再進行積分，形成流線、流面或流

31、體。 基于拓撲的方法 這種方法計算張量場的拓撲特征，特征包括關鍵點、奇點、滅點、分叉點和退化線等。 9 按順序將感興趣區域剖分為具有相同屬性的子領域，并建立對應的圖結構，實現拓撲簡化、 拓撲跟蹤和拓撲顯示。 基于拓撲的方法可有效地生成多變量場的定性結構， 快速構造全局流 暢結構，適合于數值模擬或實驗模擬生成的大尺度數據。 上述的標量場可視化、 向量場可視化和張量場可視化分類并不是科學數據處理的全部內 容。包括文本、影像和帶有語義的信號均為科學可視化的處理對象，且呈現空間變化多樣。 科學可視化分類總結如表 2 所示： 表 2 科學可視化分類 分類分類 介紹介紹 方法方法 標量場可視化 標量是單個

32、數值，即在每個紀錄的數據 點三都有一個單一的值。標量場指二 維、三維或四維空間中每個采樣處都有 一個標量值的數據場。來源包括：從掃 描或測量設備獲得，如醫學斷層掃描設 備獲取的 CT，MRI 三維影像；從計算 機或機器仿真中獲得，如從核聚變模擬 中產生的壁內溫度分布 將數值直接映射為顏色或透明度。 等值面方法： 根據需要抽取并連接滿足 的點集，并連接為線或面。 直接體繪制方法： 將三維標量數據場看 成能產生、傳輸和吸收光的媒介，光源透過 數據場后形成半透明影像。 向量場可視化 在每一個采樣點是一個向量，為一維數 組，向量場可視化的主要關注點是其中 蘊含的流體模式和關鍵特征區域。向量 代表某個方

33、向或趨勢，例如來源于測量 設備的風向和漩渦等；來源于數據仿真 的速度和力量等 粒子對流法： 模擬粒子在向量場中以某 種方式流動，獲得的幾何軌跡可以反映向量 場的流體模式。 將向量場轉換為一幀或多幀紋理圖像， 為觀察者提供直觀的影像展示。 采用簡化易懂的圖標編碼單個或簡化 后的向量信息，可提供詳細信息的查詢與計 算。 張量場可視化 張量是矢量的推廣，標量可以看作 0 階 張量，矢量可看作 1 階張量 紋理： 將張量場轉換為靜態圖像或動態 圖像序列，圖釋張量場的全局屬性。 幾何： 顯式地生成刻畫某類張量場屬性 的幾何表達。 拓撲：計算張量場的拓撲特征， 依次將 感興趣區域剖分為具有相同屬性的子區域

34、， 并建立對應的圖結構，實現拓撲簡化、拓撲 跟蹤和拓撲顯示。 （數據來源：陳為, 沈則潛, & 陶煜波. (2013). 數據可視化.電子工業出版社 2013 年版.） 科學可視化技術的意義重大， 它加速了研究者對數據的處理能力， 使得日益增長的大數 據得到最有效的運用。 同時也增強了研究者們觀察事物規律的能力， 在得到計算結果的同時， 也能了解計算過程中發生的各種現象，通過改變參數，觀察其影響，對計算過程實現引導和 控制?？茖W可視化面向的領域包括自然科學，如物理、化學、氣象氣候、航空航天、醫學、 生物等各個學科，這些學科通常需要對數據和模型進行解釋、操作與處理，旨在找出其中的 模式、特點、關

35、系以及異常情況。 IEEE Scientific Visualization，SciVis 2018 部分獲獎論文： 10 Best Paper Award Title: Deadeye: A Novel Preattentive Visualization Technique Based on Dichoptic Presentation Authors: Andrey Krekhov, Jens Krger Paper-link: https:/ieeexplore.ieee.org/document/8440097 Best Paper Honorable Mention Title: Labels on Levels: Labeling of Multi-Scale Multi-Instance and Crowded 3D Biological Environments Authors: David Kouil, Ladislav molk, Barbora Kozlkov, Hsiang-Yun Wu, Graham Johnson, David S. Goodsell, Arthur Olson, Eduard Grller, Ivan Viola Pape