报告摘要： 点数据是常见的数据结构形式，如传感器采集的地理空间点数据、网络图布局中的节点数据等。散点图是点数据可视化的有效方法，位置、大小、颜色等视觉元素常用于映射点数据的结构和属性等信息。随着点数据规模的增加，大量视觉元素密集分布，重叠和覆盖，干扰人眼视觉感知，妨碍大规模点数据特征的探索和挖掘。采样是简化大规模点数据表达的有效方法，通过筛选点数据子集，在降低视觉混淆的基础上，近似地表达原始大规模点数据。传统的采样算法主要侧重于保持点数据的空间分布特征，忽视点数据内在的结构和属性关联特征，容易导致采样结果分析的不确定性。本报告以大规模点数据简化表达与可视分析为主题，总结和介绍近年来IEEE VIS会议上报告的有关结构和属性关联特征保持的点数据采样方法、有效性评估及其具体应用场景，并对大规模点数据采样的未来发展趋势进行展望和分析。

个人简历： 周志光，浙江财经大学信息管理与人工智能学院教授，人工智能与大数据可视分析创新研究团队负责人，毕业于浙江大学CAD&CG国家重点实验室，香港科技大学计算机科学与工程系访问学者。主要从事可视化与可视分析研究，主持国家自然科学基金2项，省部级项目6项，以第一或通讯作者身份发表高水平期刊和会议论文40余篇。入选浙江省高校领军人才培养计划、浙江省院士结对培养青年英才计划等。获陆增镛CAD&CG高科技三等奖、浙江省科学技术进步三等奖。

报告摘要： 大规模数据可视化不可避免的会产生过渡绘制和数据加载困难。为解决这一问题，我们提出了一种基于金字塔的渐进式散点图采样方法，以避免过度绘制并实现大数据的渐进式和流式可视化。该方法基于对基础密度图的基于多分辨率金字塔的分解，并利用金字塔中的密度值来指导每个比例下的采样，以保留相对数据密度和离群值。定量评估表明，该方法生成的稳定可靠的渐进式样本在保留相对密度方面可与最先进的静态采样方法相媲美，但在时序稳定性方面具有明显优势。

个人简历： 汪云海，山东大学计算机科学与技术学院教授，教育部青年长江学者，院长助理。2011年于中国科学院计算机网络信息中心获得博士学位。研究方向为交互式大数据分析，主要研究自动可视化、可视化编程语言与渐进式数据分析，在ACM TOG、 IEEE TVCG、ACM SIGGRAPH (Asia)、IEEE VIS等国际顶级期刊及会议发表论文50余篇，担任IEEE VIS、EuroVis、PacificVis等国际会议的程序委员以及著名期刊Computer Graphics Forum编委。曾获山东省自然科学一等奖、陆增镛CAD&CG高科技奖二等奖、ACM CHI 2021最佳论文提名奖等奖项。

报告摘要： 采样技术被广泛用来化简大图。为了让图样本和原图在总体上更为相似，现有图采样方法普遍优先保持原图中的主流结构，比如：社区结构和频繁子图，而忽略原图中相对较小且出现频率不高的非主流结构。那么非主流结构在图计算和图可视分析中重要吗？现有图采样方法是否能在图样本中较好地保持非主流结构？有什么办法既能保持主流结构也能保持非主流结构呢？为了寻找这些问题的答案，我们开展了一系列面向非主流结构保持的图采样技术研究。欢迎来听我们的报告，我们将对上述问题给予解答。

个人简历： 赵颖，男，博士，中南大学计算机学院，教授，博导。研究方向为：可视化与可视分析、网络安全、无线通信、智能制造。近5年，主持国家级项目5项、省部级项目3项；主持与奇安信、华为云、阿里云等著名企业的合作项目10余项；发表可视化领域顶会顶刊论文10篇；申请发明专利20项和软件著作权30项；获IEEE VIS 2020和IEEE PacificVis 2018最佳论文提名奖。更多信息请见：http://faculty.csu.edu.cn/zhaoying

报告摘要： 不确定性必然存在于科学数据分析过程的各个环节，如何对数据中的不确定性进行可视化是当前的研究热点和难点。已有工作广泛使用statistical summary displays对不确定性进行显性的表达，然而我们的研究表明，该技术很容易使用户误解可视化编码的信息，从而作出错误的判断和决策。对此，我们提出了表征内隐不确定性可视化技术，通过对复杂的原始数据进行表征性采样，并直接可视化小规模表征性子集，以内隐方式向用户传递不确定性。基于该方法，我们研发了一系列飓风预测不确定性可视化，并通过开展认知学实验证明了其有效性。

个人简历： 刘乐，西北工业大学计算机学院副教授，空天地海一体化大数据技术应用技术国家工程实验室可视交互团队负责人，2017年毕业于美国克莱姆森大学，获计算机科学博士学位，在数据可视化、视觉认知及人工智能方向有丰富的科研和工程经验。其面向飓风预测的不确定性可视化研究成果被Scientific American、U.S. Newsweek及Yahoo等国际知名媒体宣传报道。在TVCG、CGF、IEEE VIS、EuroVis等可视化顶级期刊和会议发表多篇论文，担任ChinaVis 2021国际论坛委员会委员，并担任IEEE VIS、EuroVis、ChinaVis、IEEE VR等国际会议论审稿人。

报告摘要： 沉浸式可视化是一个新兴的研究领域，旨在通过沉浸式交互界面所提供的沉浸感与参与感，充分运用人们的感知与操作能力，为数据分析推理与决策提供支持，有着非常广阔的商业场景、研究价值和应用的前景。本报告首先介绍沉浸式可视化的研究背景和国内外的最新进展，接着讨论若干相关的案例，最后是未来研究展望。

个人简历： 巫英才，浙江大学长聘教授，浙江大学计算机学院副院长，中国图象图形学学会人机交互专委会副主任，入选国家海外高层次人才引进计划。他的主要研究方向是大数据智能、可视分析、信息可视化和人机交互，最近聚焦于城市大数据和体育大数据的可视分析研究，成果应用于京东、阿里巴巴等公司的智慧城市方面的重要业务，并构建了乒乓球国家队的乒乓球大数据平台。他在IEEE VIS、ACM CHI、IEEE TVCG等会议和期刊上发表学术论文80余篇，多次获得国际权威/知名学术会议的最佳论文奖和最佳论文提名，其中2篇论文分别在2009和2014年IEEE VIS上获得最佳论文提名，2篇论文分别在2016和2021年的IEEE Pacific Visualization获得了最佳论文提名。主持多项国家自然科学基金项目，以及科技部重点专项课题1项和浙江省自然科学基金杰出青年科学项目1项。他是IEEE Pacific Visualization 2017、ChinaVis 2016和2017等的论文主席、IEEE VIS 2021的研讨会主席。详情请见http://www.ycwu.org/。

报告摘要： Visualizations are tools that translate raw and complex data into meaningful graphics. Display capacity is an essential resource for designing visualizations. Different displays provide different capabilities in terms of how the data can be visually represented and how people can interact with visualizations. With immersive displays (like VR/AR HMDs), we can remove the boundaries of physical screens and envision dramatically new human-computer interaction experiences. In this talk, Yalong will first outline the unique features VR/AR provides for visualization design and then demonstrate how to utilize them to build novel and effective immersive visualizations. Finally, he will describe the vision of the future workspace, where people are primarily using VR/AR to see and interact with the digital world. Yalong will also discuss grand challenges for this future and conclude on an optimistic note: with deep integration between hardware, software, and user experience, we could achieve this vision in the near future.

个人简历： Yalong Yang is an incoming tenure track Assistant Professor in the Department of Computer Science at Virginia Tech (starting in Fall 2021). He is currently a Postdoctoral Fellow in the Visual Computing Group at Harvard University with Prof. Hanspeter Pfister. Before joining Harvard, he received his Ph.D. from Human-Centred Computing Department, Monash University, Australia. His primary and secondary Ph.D. supervisors were Profs. Tim Dwyer and Kim Marriott. His research concerns many aspects of Visualization (VIS), Human-Computer Interaction (HCI), and VR/AR. He is especially interested in the emerging research topic — Immersive Analytics, which focuses on applying engaging, embodied display and interaction techniques (e.g., VR/AR) for data visualization and analytics. He has published 11 papers at top-tier visualization venues (IEEE VIS, ACM CHI, and EuroVis) and is an active member of these communities on promoting immersive analytics research. He also received Best Paper Honorable Mention Awards at IEEE VIS — InfoVis 2016 and ACM CHI 2021. More details about his research can be found at https://vis.yalongyang.com/ .

报告摘要：Geospatial visualization is interesting for immersive visualization, as it is natural to observe and interact with the map as in real-life. This talk will discuss example immersive visualization systems for different geospatial data exploration based on mixed reality techniques. We will provide example results and usage scenarios to demonstrate that immersive systems enable users to perform a variety of immersive and collaborative analytics tasks effectively.

个人简历：Aidong Lu is a professor at the Department of Computer Science. She has graduated from Tsinghua University and Purdue University. Her recent research interests are immersive visualization, serious gaming, and their applications for the future of work.

报告摘要：近年来，随着计算机图形图像技术的发展，沉浸式技术，如虚拟现实和增强现实，已然成为数据的可视化、交互、探索的一种有效的研究方式。对于科学数据来说，遮挡与深度导致研究者很难判断目标数据所在位置和空间结构。由于VR/AR技术的三维显示技术，以及其独特的空间“沉浸感”和“参与感”，使得用户能直观地理解空间数据，因此，沉浸式可视化引起了许多数据领域专家和可视化领域学者的关注。我们将探讨，如何从用户与可视化任务角度出发，利用虚拟的三维，或者在真实世界中叠加的三维来展现数据，以及如何设计沉浸式可视化中的自然交互技术。

个人简历：俞凌云，博士生导师,于2013年在荷兰格罗宁根大学获得博士学位；2016年至2019年在荷兰格罗宁根大学与格罗宁根大学医学中心从事博士后工作，主要研究方向是面向数据可视化的空间交互技术，在数据可视化交互任务、空间交互技术和交互设计等方面取得了一系列成果，曾获IEEE VIS最佳论文提名奖。担任IEEE VIS 2021、PacificVis、ChinaVis等多个可视化相关会议程序委员会委员。

报告摘要：网络安全分析涉及大量的多源异构数据，可视化方法在提高网络安全防护能力中发挥着越来越重要的作用。本报告首先分析工业互联网安全涉及的可视化需求，给出工业网络安全产品、网络安全管理、网络安全运营等不同场景中的态势感知和可视化的思路，并介绍东北大学“谛听”网络安全团队的实践案例。最后对工业网络安全数据可视化中面临的挑战做出分析和思考。

个人简历： 姚羽，博士，东北大学教授、博士生导师，复杂网络系统安全保障技术教育部工程研究中心主任，教育部新世纪人才，曾任沈阳市大数据管理局副局长（2015-2017挂职）。主要研究方向包括工业互联网安全、网络安全大数据分析等。承担国家自然科学基金、国家“863”高科技计划、工信部工业互联网创新发展工程项目、辽宁省重点研发计划等各类科研课题20余项，发表学术论文40余篇，主编著作5部，获辽宁省科技进步二等奖、辽宁省自然科学学术成果一等奖。中国工业互联网研究院专家委员会委员，辽宁省首批工业信息安全专家。《Security and Communication Networks》等期刊编委。

报告摘要：流量分析检测的过程中，通过可视分析手段寻找峰谷比、特征聚集、时序变化、关联关系等特征异常。在描述网络流量特征、威胁事件关联追溯、异常流量分析等场景下采用的可视化手段、遇到的问题和对应的解决方案，例如在交互技术和用户体验性方面所做的工作。以及介绍一些其他业务（如数据报告）与可视化的结合尝试。

个人简历：王庆红，2017年毕业于北方民族大学计算机科学与工程学院，现就职于北京数字观星科技有限公司，担任前端开发工程师。四年网络安全产品研发经验，目前主要从事异常流量分析检测、威胁情报挖掘与追溯等相关系统的可视化设计和开发。

报告摘要：互联网发展至今20多年来，从pc时代的互联网普及，到移动互联网的爆发、再到互联网+与产业的融合，数字化智能化体验变得触手可及。数字化经济环境下，传统的企事业单位将会面对数字化转型的困难，如何利用数据创造更多的商业和社会价值成为一个新的挑战。在这个数据爆炸的时代，我们不断在从用户价值视角、到行业价值视角、再到社会价值视角来升级，探索互联网数字化的设计方法与应用。本次报告，我们会结合过去商业和社会的实践，以安全项目为例，来介绍我们如何利用可视化设计手段，助力传统企事业单位进行数字化转型，提升网络安全数据的使用效率，增强网络安全的防护能力，创造网络安全数据在企业和社会应用的价值。内容包括：1、以客户为中心的价值调研方法；2、场景化数据设计的方法；3、可视化设计的应用与价值创造案例。

个人简历：14年用户体验和数据可视化设计经验。曾主导过智能电视、智能移动设备、腾讯安全、腾讯医疗、智慧城市等行业的相关项目设计工作。在用户体验设计、服务设计、数据可视化研究与商业化应用研究领域，主导数据安全运营管理、医院信息化建设、数字化慢病管理、医疗数据运营管理、医保数据运营管理、数字化城市管理、数字化社区管理、数字化工业管理、新冠疫情态势等百余个项目的研究与落地。曾在2011年荣获CES年度智能云计算电视创新奖，2015年主导设计腾爱糖大夫血糖仪获国家信息产业公共服务平台颁发的年度最佳创意产品奖。现任中国图象图形学学会可视化与可视分析专委会委员。

报告摘要：风控的本质是成本博弈，可视化提供了以更低的成本，以更快的速度，更科学的方式进行风险控制。针对数据复杂、依赖多人协作的大屏可视化分析场景，我们研发了VMAX大屏解决方案，在多人协作的大屏共享环境中，帮助决策者快速发现问题，进行科学的决策。VMAX支持超高清组合展示内容、面向程序员友好的大屏开发方式、丰富灵活的大屏交互手段、适配不同场景的大屏共享环境，如单屏幕、大屏墙等。最后，针对数据密集型的复杂业务场景，我们提出面向未来的风控技术即风控数字驾驶舱，提高控制风险能力。

个人简历：李秋生，目前就职于阿里巴巴集团风险管理事业群，大屏数据可视化负责人。2016年毕业于西南科技大学计算机学院。主要研究方向是可视化与可视分析、大屏可视化、网络安全可视化、人机交互。近5年，主持1项省级科技资助项目，共发表学术论文5篇，其中SIC论文3篇，申请发明专利3个，2016-2017年连续两年参加 IEEE VAST 挑战赛并获奖，连续多年担任 ChinaVis 学术论文评审工作，主持2018年 ChinaVis 数据挑战赛一出题目的项目。现为中国图象图形学会可视化与可视分析专委会委员、CCF人机交互专委会委员。

报告摘要：The term P4 medicine has been coined almost a decade ago to indicate novel ways of early detection and prevention of diseases. P4 stands for personalized, predictive, preventive, and participatory, to indicate that a diagnosis or treatment is tailored to each individual patient, risk factors are identified early and addressed before manifestation, and individuals are actively involved in all processes. Often, P4 approaches are accompanied by the acquisition of large and complex medical imaging data, and demanding computational processes–especially, when it comes to cancer radiotherapy, which is a data-heavy and visual computing-rich process.

Conventional automatized computational solutions would not be sufficient for exploration and hypothesis generation purposes in radiotherapy cancer treatment, as there is one essential aspect that cannot be easily incorporated: the prior knowledge and cognitive skills of the involved clinical experts. Yet, the field of visual analytics can facilitate interactive data exploration and analysis and provide deeper cognitive insight for the intended users. Involving clinical experts through visual analysis and interaction in the workflow of radiotherapy, its personalization, and predictive/preventive aspects had never been tackled before.

In my talk, I will discuss recent developments in the domain of visual analytics to support the personalization, predictiveness, and prevention aspects of treatment in prostate cancer radiotherapy (and touch upon strategies for patient participation), empowering the intended clinical researchers to derive information from their high-dimensional complex data, to understand the newly discovered knowledge, and to formulate or confirm hypotheses with respect to their observations and findings, creating a fertile ground for future clinical research and opening new possibilities for patient treatment.

个人简历： Renata Raidou is Assistant Professor (Tenure Track) in Medical Visualization and Visual Analytics, and a Rosalind Franklin Fellow at the Bernoulli Institute of the University of Groningen, in the Netherlands. She received her M.Sc. degree in Biomedical Engineering from Delft University of Technology in 2012, and her Ph.D. degree from Eindhoven University of Technology in 2017. The topic of her dissertation was “Visual Analytics for Digital Radiotherapy: Towards a Comprehensible Pipeline”, for which she received the Dirk Bartz Prize for Visual Computing in Medicine at Eurographics 2017, and the Best Ph.D. Award 2018 of the Eurographics Awards Programme. Until September 2020, she has been a Post-Doc researcher at the Institute for Visual Computing and Human-Centered Technology at TU Wien. Her research is on the interface between Visual Analytics, Image Processing, and Machine Learning, with a strong focus on medical applications. Her expertise is in Comparative Visual Analytics and Uncertainty Visualization. For more information visit: https://renataraidou.com/.

报告摘要：介绍吕智涵博士在法国国家科学研究中心开发的三维分子可视化软件UnityMol和在西班牙FIVAN基金会担任玛丽居里学者开发的虚拟康复软件。也介绍未来的研究方向。

个人简历： IEEE高级会员，英国计算机学会会士，美国计算机协会杰出演讲者，入选斯坦福全球前2%顶尖科学家终身科学影响力排行榜。中国海洋大学和法国巴黎大学联合培养博士。曾在法国国家科学研究中心，英国伦敦大学学院，西班牙巴塞罗那大学工作。欧盟玛丽居里学者。中科院一区48篇，Trans论文51篇，高被引20篇，热点6篇，引用9000余次。参与项目1.6亿。30个SCI期刊编辑，包括5个中科院一区和7个IEEE。为欧美高校作受邀报告30多次，作13次大会Keynote。

报告摘要：生物神经网络可视化在现代脑科学、生命科学有着广泛应用需求，目前神经网络主要使用的可视化技术为传统三角片建模，难以呈现错综复杂的神经树状几何结构，且空间占有率低，易导致可视化信息混乱，进而无法准确模拟神经系统的相互作用。现有可视仿真软件都存在计算效率不高、计算资源消耗过大的问题，难以突破万级的神经元可视仿真。要模拟上亿规模精细神经元的仿真和可视化更是难上加难。我们突破了采用细长线类图元的光线相交判断、集群计算并行加速、面向生物神经元网络的多次散射模型等技术点，构建脑皮层神经元回路和对脑神经系统的仿真研究分析。项目的研究成果将通过应用验证系统正确实时地展现超大规模生物神经元网络下树突、胞体、轴突等结构上的电信号在一定刺激下的时空动态变化过程，有效处理海量神经元动态活动信息，帮助揭示结构与神经信号传递的关系。

个人简历： 马雷，北京大学数字视频编解码技术国家工程实验室副研究员，北京智源人工智能研究院生命模拟研究中心部门负责人。他本科就读于浙江大学、硕士毕业于上海交通大学、博士毕业于中国科学院计算机科学国家重点实验室。目前主要从事脑科学精细可视化研究和视达芯片仿真研究，致力解决从光线传播的物理过程形成光流变化，到视觉神经对脉冲信息处理的完整过程。拥有多项国际国内专利。于TVCG、SIGGRAPH、Pacific Graphics、Visual Compute、Graphic Models等顶级会议、期刊发表SCI论文二十余篇。他曾任国际顶级图形企业Autodesk研究实验室高级工程师，曾作为联合创始人创办AR/VR领域的国内领先企业，长期担任企业技术顾问。

报告摘要：健康医疗数据是可视化与可视分析的重要研究对象。然而，健康医疗可视化工作多集中在研究已有公开数据，与临床医生和医疗卫生决策者的需求尚有差距。这在很大程度上是由于可视化研究者与医学专家在组织结构和物理空间上的距离造成的；当两者处在同一研究机构，紧密合作时才能使可视化研究者了解众多独特的医学需求，医学专家了解到可视化的作用，使两个领域深度交叉、进步。我将以临床手术、队列研究、医学政策等几个具体例子探讨健康医疗数据可视化的作用与前景。

个人简历： 北京大学健康医疗大数据国家研究院助理教授、副研究员。博士毕业于美国犹他大学，曾于德国斯图加特大学可视化研究中心（VISUS），美国犹他大学科学计算与图像研究所（SCI Institute）担任博士后。研究领域涵盖科学可视化，信息可视化和视觉感知。主要研究工作在于视觉感知驱动可视化和多变量、多维度数据可视化，现致力于进行健康医疗数据可视化研究。

报告摘要： The current resolution of electron cryotomography has the potential to enable studying details of biological entities almost at an atomistic resolution. Visualization, however, is suffering from noise and other artifacts and requires automated approaches to provide a clear view of the structures of interest. Visualization and data analysis, coupled with a rule-based 3D modeling approach can then lead to the formation of 3D atomistic models that can be used for further utilization in computational biology analytical workflows or for disseminative purposes.

个人简历： Ivan Viola is a Professor at King Abdullah University of Science and Technology (KAUST), Saudi Arabia. In his research, Viola investigates methods that automate the processes of 3D modeling and visualization. Basal new technologies he then showcases on various domains, such as ultrasound diagnostics, geology, or sub-millimeter biology. He graduated from TU Wien, Austria, in 2005 and moved for a postdoctoral experience to the University of Bergen, Norway, where he was gradually promoted to the Professor rank. In Norway, he also worked for Christian Michelsen Research in the role of a scientific advisor. In 2013 he has been awarded a Vienna Science and Technology Fund grant to establish a research group back at TU Wien. After several years of research on visualization and computer graphics techniques for multiscale biological structures, Viola has co-founded the startup Nanographics, to commercialize nanovisualization technologies. Recently, he has relocated to KAUST for taking advantage of outstanding research conditions to multiply his investigative efforts, for delivering technologies that make visual, in-silico life possible.。

报告摘要： 2020年新冠疫情爆发，在抗击疫情过程中，新闻媒体的跟踪报道也起到了重要作用。其中，每日更新的数据成为了疫情发展的重要第一现场，也给了可视化报道巨大发展空间。中国媒体在可视化这一领域有哪些突破和不足，对可视化在公共传播中的应用提供了什么启示？通过国内外对比，又可能看出国内可视化报道处于什么发展状态？

个人简历： 曾任美国全国公共电台(NPR)助理数据编辑，2011年起在美、中从事数据内容行业。现负责澎湃新闻美数课和有数栏目，作品曾获得美国新闻设计协会大赛、亚洲出版协会大赛、英国信息之美评选以及中国新闻奖、上海新闻奖等奖项。

报告摘要： 2020年1月以来，一场突如其来的新型冠状病毒肺炎牵动着每个人的心，疫情严峻，面对这场没有硝烟的战争，每一个人都应该理性地面对疫情，科学地预防病毒，了解新型冠状病毒肺炎的相关知识，从而有效地做好预防工作，阻止疫情的继续蔓延。信息可视化在这场疫情中发挥了前所未有的作用，通过信息图形的直观性和感染力，将疫情数据、抗疫信息以高效的方式传递给每一个受众。这场疫情，不仅让人类的生存、生活等诸多方面发生了改变，也增进了人们对信息可视化的认识，改变了人们的信息呈现、传播和接收方式。

个人简历： 南京艺术学院设计学院视觉信息设计专业讲师，“江苏省紫金文化人才培养工程”文化创意优秀青年，中国图象图形学学会（CSIG）可视与可视分析专委会委员。主要研究领域：信息设计、平面设计。曾参与2014年南京青年奥林匹克运动会设计项目、2014、2015紫金奖江苏省文化创意设计大赛形象系统设计等设计项目。信息设计作品入选第十二届、第十三届全国美术作品展，获首届江苏省文化创意设计大赛银奖等。指导学生信息设计作品获得国际、国内奖项100余项，其中7件学生作品入选第十二届、第十三届全国美术作品展，获2016、2017英国凯度信息之美大赛银奖、铜奖， 2014年、2019年两度包揽白金创意国际大学生平面设计大赛信息设计类别金银铜奖项等。

报告摘要： 在全球新冠疫情流行期间，世界各国诸多媒体和机构、个人针对疫情开展了大量的可视化工作。在此我们将分享系统收集的全球数以千计的和疫情相关的可视化工作。我们对这一特殊的数据集开展了系统的分析，从中一方面我们可以看到全球可视化研究开发社区在疫情期间的贡献，同时我们也可以对比分析各国可视化力量、媒体传播力量的差异。

个人简历： 袁晓如，北京大学研究员，博士生导师, 机器感知与智能教育部重点实验室副主任，大数据分析与应用国家工程实验室常务副主任。长期致力于可视化与可视分析通用基础方法与领域应用系统的研究，担任IEEE TVCG等国内外期刊编委，倡导并共同创建中国可视化与可视分析大会，担任IEEEVIS，ACM CHI，EuroVis等国际学术会议程序委员会委员、论文主席等职务。中国图象图形学学会可视化与可视分析专业委员会主任，中国计算机学会杰出会员。

报告摘要： 新冠疫情地图能将感染者数目及地理分布情况准确传达给公众，使公众及时掌握疫情发展动态。疫情地图是专家、决策者与公众交流风险信息的重要途径，能够有效促进个人防护。本研究旨在提高新冠疫情地图在危害描述和风险表达方面的有效性，通过使用眼动、问题任务和主观量表的实验方法，测量了来自中国武汉的71名被试在观看不同色彩方案（冷色、暖色和混合色）和数据呈现形式（分级式地图、分区式地图）的视觉认知模式、风险感知、理解力和主观满意度。结果表明，暖色方案（黄-红）在视觉认知和理解方面有显著优势，而分级地图在风险表达方面有显著优势。但在参与者满意度方面，混合方案（蓝-黄-红）和分级地图的组合得分最高。一个出乎意料的结果是，暖色方案的风险感知没有比冷色或混合方案显著更高。这些结果为新冠疫情地图的制图提供了不同功能侧重的设计策略：在疫情的早期和中期，应优先考虑采用风险感知更好的暖色或冷色的分级地图；当疫情处于好转时，可考虑采用阅读体验更好的混合色分级地图。

个人简历： 方浩，中国地质大学（武汉）艺术与传媒学院副教授，硕士生导师，武汉大学多媒体软件国家工程技术研究中心工学博士，东南大学——水晶石数字科技公司联合培养艺术学博士后，湖北省动漫协会副秘书长，湖北省科技传播学会副秘书长，中国工业设计协会信息与交互设计专业委员会委员，湖北省文化产业库专家。主要研究领域包括科教媒体设计、位置导航信息设计、数字艺术传播。主创的科普媒体作品屡获国内大奖，获得湖北省人民政府颁发的“第三届湖北省科普先进工作者”荣誉称号，担任执行团长的地貌学及第四纪地质学科学传播专家团队获得中国地质学会与中国科协批准，成为全国科学传播专家团队，获得中国地质学会优秀科学传播专家团队称号，个人也获颁中国地质学会优秀科学传播专家称号。参与与主持多项教育部哲学社会科学研究重大课题攻关项目、国家社科基金项目、教育部人文社会科学研究规划基金项目等。多篇论文被人大复印报刊资料转载，获得江苏省社会科学优秀成果奖三等奖与武汉市第社会科学优秀成果奖三等奖，指导MFA硕士获全国艺术硕士研究生优秀毕业成果。

报告摘要： 流面是流线的高维扩展，能较好地反应流场数据中较为全局化的特性，通过少量流面往往就能刻画整个流场中复杂的折叠、扭曲、发散、汇集等物理现象。此外，产生流面的种子线所具备的高自由度保证了流面形态的多样性，能更容易地传递特定的流场信息。然而，流面的复杂结构也容易导致视觉遮挡而阻碍对特征的观察，其巨大的生成空间也给流面的生成与选择带来了挑战。此报告将介绍我们提出的几个可视化交互技术，帮助领域专家在观察数据的过程中化繁为简，从大规模复杂数据中产生、选择最能反映数据内在结构的流面，并通过二维的抽象表示，简化对流面的观察与交互。

个人简历： 陶钧，中山大学计算机学院及国家超级计算广州中心副教授，博士生导师。于2015年获得密歇根理工大学计算机科学专业哲学博士学位，2015至2018年于圣母大学任博士后研究员。其主要研究方向包括：科学可视化，尤其是信息论，优化方法，深度学习及交互探索方法在流场可视化方面的应用。

报告摘要： 随着海洋观测和仿真技术的发展，我们可以获得海量、高维和多样的异构数据集，这给海洋数据科学研究带来了很大的挑战。报告总结了目前海洋研究领域常见的分析任务需求，对目前的可视化技术交互技术和可视分析方法等研究现状进行了概括，并在此基础上总结出海洋领域潜在的研究方向和研究机会。

个人简历： 解翠，博士，副教授，中国海洋大学计算机科学与技术学院。2005年毕业于大连海事大学航海动态仿真与控制交通部重点实验室，2009-2010年在澳大利亚阿德莱德大学做博士后访问研究。主要研究可视化、可视分析及虚拟现实仿真。先后主持和参与国家自然科学基金、科技部重点研发计划、科技部国际合作项目和山东省重点研发项目20余项。在《Visual Informatics》《Journal of Visualization》等期刊上发表论文30余篇，授权发明专利1项。中国计算机学会高级会员、先后担任CCF YOCSEF青岛分论坛的秘书和副主席。中国计算机学会虚拟现实与可视化专业委员会委员、中国图象图形学会可视化与可视分析专委会委员，中国图象图形学会虚拟现实专业委员会委员，中国可视化与可视分析大会程序委员会委员。

报告摘要： 流线是矢量场数据分析中应用最广的可视化方式。当流线数目较多时，存储流线往往比原始数据需要更多的存储空间。本报告介绍给定误差下的流线高效压缩存储技术。首先基于给定误差，利用分段样条曲线对流线积分点进行拟合；在拟合过程中，利用加速的相交测试保持流线间的拓扑关系；最后对样条曲线控制点进行无损压缩。实验结果表明，相比已有方法，该方法可得到更高的压缩率，且可以保持流线间的拓扑关系。

个人简历： 王文珂，博士，副研究员，国防科技大学气象海洋学院可视化团队负责人，长期从事科学可视化的技术研究和系统研发工作，主持和参与国家自然科学基金、装备预研、国家重大专项、国家973、军口863等多项课题。获军队科技进步二等奖1项，发表学术论文50余篇，撰写学术专著1部，授权国家发明专利5项。

报告摘要： 随着 CFD 技术发展的不断深入，极大地提高了流场数据的规模及精度，给流场可视化方法清晰展示海量流场数据的能力提出了严峻的挑战，也对其关键信息提取性能提出了更高的要求。近年来，深度学习的迅猛发展给各领域研究提供了新思路。本报告面向海量复杂时空流场数据，以空间维流场中的旋涡特征和时间维流场中的关键时间步为研究对象，开展流场关键信息提取智能化研究，实现海量流场数据的自动处理和分析，并提高关键信息提取效率和精度，为领域专家理解流场数据、探索内在机理提供有效的技术支撑，具有重要的理论意义和较好的实际应用价值。

个人简历： 邓亮，博士，中国空气动力研究与发展中心工程师，长期从事流场可视化和高性能CFD计算的技术研究，主持和参与国家自然科学基金、装备预研、国家重点研发计划、国家空气动力数值模拟军民融合工程等多项课题。

报告摘要： This talk provides an overview of different types of data displays varying in size and affordance. We further introduce the different levels and kinds of interaction space around each type of display that can be leveraged to enrich users' experience with data.

个人简历： Xiaojuan Ma is an associate professor of Human-Computer Interaction (HCI) at the Department of Computer Science and Engineering (CSE), Hong Kong University of Science and Technology (HKUST). She received the Ph.D. degree in Computer Science at Princeton University. She was a post-doctoral researcher at the Human-Computer Interaction Institute (HCII) of Carnegie Mellon University (CMU), and before that a research fellow in the National University of Singapore (NUS) in the Information Systems department. Before joining HKUST, she was a researcher of Human-Computer Interaction at Noah's Ark Lab, Huawei Tech. Investment Co., Ltd. in Hong Kong. Her background is in Human-Computer Interaction. She is particularly interested in data-driven human-engaged computing in the domain of affective, ubiquitous, social, and crowd computing and Human-Robot Interaction.

报告摘要： 随着可视化应用的普及和可视化交互设备的日益多样性，可视化系统的交互手段也日渐丰富，开始融合诸如手势交互等自然交互技术。但传统的手势交互系统大都由专业人员设计开发，用户很少有机会参与手势设计，造成了手势交互工具可用性不高和用户满意度低等问题。解决这些问题的一个途径是用户参与式设计方法（Participatory Design，PD）。这个报告将简单介绍这种方法，以及我们利用该方法来解决手势分歧（Gesture Disagreement)、文化因素（Cultural Factors）和遗留偏见（Legacy Bias）等一系列问题的研究工作。希望这个报告能为可视化系统中自然手势交互的研究和设计提供有益的借鉴。

个人简历： 武汇岳，中山大学传播与设计学院教授。主要研究方向为人机交互、交互设计、虚拟现实。中国计算机学会人机交互专委会委员、广东省图象图形学会虚拟现实与智能交互专委会委员。作为项目负责人先后主持了多项国家自然科学基金项目和广东省自然科学基金项目。近年来以第一作者身份在人机交互相关领域国内外一流期刊上发表40多篇高水平文章，包括《International Journal of Human-Computer Studies》《Applied Ergonomics》等。出版学术专著4部，取得专利和软件著作权多项。多个人机交互领域权威期刊和会议（如IJHCS、CHI等）审稿人。

报告摘要： 辅助用户进行数据叙事（Data Storytelling），一直是可视化的重要功能之一。为了有效地引导观众的注意力，叙事者往往需要为数据可视化添加高亮、注释等额外内容，而这一过程通常十分耗时费力。本报告所呈现的研究工作，基于用户输入的可视化图像及相应的自然语言描述，分别建立了图像识别及自然语言处理的深度学习模型，能够自动识别描述内容并从图中找出相关图元，进而生成带高亮与注释的可视化动画。利用该技术，用户无须再费神于可视化的加工创作，也能快速得到带有高亮与注释、风格美观、适合叙事的可视化。这让用户能够更加专注于数据的分析以及叙事内容的设计。进一步地，该技术结合语音识别、手势识别等能力，能够支持叙事者在讲述的过程中实时地为可视化添加高亮与注释，从而为更加高效新颖的可视化交互奠定了基础。

个人简历： 现就职于百度研究院商业智能实验室，任人工智能研究员。毕业于北京大学，主要研究方向包括信息可视化、交通数据可视分析、高维数据可视化、可视化智能构建、可视化叙事等。

报告摘要： 目前在可视分析系统的交互设计和研究中，我们基本上依赖由可视化领域延申而来的相关理论和方法，例如视觉认知理论、直接操控(direct manipualtion)原则、任务完成效率评估等。但这些理论和方法往往针对的是常规化任务(routinized tasks)，在指导可视分析中的复杂交互任务时面临一些挑战。而诸如意义构建(sensemaking)等模型，侧重于分析任务的过程和主要任务阶段，无法解释分析过程演变和分析任务转移的原因。缺乏相应的理论来准确理解可视分析中的认知行为从某种程度上为可视分析研究的发展造成了障碍，例如设计偏重于简单交互层面、缺乏有效的评估手段和标准。在这个报告里，我将从复杂认知的角度出发，讨论可视分析过程中的复杂认知行为（如学习、决策、问题求解），以及相关的理论和评估手段。通过这个报告，我期望能给大家提供一个新的视角来审视和讨论可视分析中的认知行为，为进一步探索相关的理论基础和评估方法抛砖引玉。

个人简历： 张小龙博士目前是美国宾夕法尼亚州州立大学信息科学与技术学院副教授，信息科学与技术学院知识可视化实验室主任，美国计算机协会（ACM）会员，中国计算机学会人机交互专业委员会、中国图像图形学会可视化与可视分析专业委员会常务委员。张博士的主要研究领域为人机交互和信息可视化，研究方向侧重于交互系统的设计理论、方法和实践，研究课题涉及多尺度信息交互理论和设计、协同式虚拟现实系统设计、面向信息融合的移动交互系统设计方法、社交网络可视化与可视分析方法和系统、基于手势的自然交互系统的设计、慕课信息的可视分析系统设计、以及可视分析系统的设计理论和方法等。获清华大学学士和硕士学位、密歇根大学博士学位。

报告摘要： 中国文化传统的一大特点是重视文献记载，且数千年延绵不断，由此所积累的典籍文献数量在全球的文明体为最。如何利用现有的技术手段从中国传统典籍文献中提取结构化的数据，并应用可视化的方法展现其中所蕴含的丰富历史文化知识和思想内涵，是一个极具挑战性的课题。本报告以北京大学数字人文中心对儒家理学巨著《宋元学案》和中国历代史志目录的挖掘和分析为例，说明从中国古典文献中提取数据、进而展开可视化分析的难点和要点。

个人简历： 王军，北京大学信息管理系教授，北京大学数字人文研究中心负责人，北京市优秀教师。从事数据分析、知识工程、数字图书馆与数字人文等跨领域的研究和教学工作。他曾承担多项国家自然科学基金、国家社会科学基金研究课题。学术成果发表于JASIST、JCDL、CIKM、情报学报、中国图书馆学报、中文信息学报等期刊和会议。入选教育部“新世纪优秀人才支持计划”，荣获获教育部人文社科优秀成果奖。详情请见：http://dhlab.pku.edu.cn。

报告摘要： 文化遗产本身的文化价值是虚拟可视化艺术对文化遗产信息重构的核心。借助人工智能与可视化技术对文化遗产的原貌进行虚拟复原，记录和反映遗产真实的状态、分布、风格等，为文化遗产的数字化保护提供基础性数据，并使之有效传播。在本次报告中，温超教授将介绍结合虚拟现实技术、信息可视化设计和机器学习方法对文化遗产信息进行数字化整理、修复与再现等，并以盛唐墓室壁画的虚拟复原与可视化为具体案例，介绍艺术与科技融合实现重要文化遗产的数字化展示与传承。

个人简历： 西北大学艺术学院教授，硕士生导师，虚拟现实联合创新实验室主任，西北大学智能交互与信息艺术研究中心主任，曾入选西北大学青年学术英才支持计划。温超本科毕业于西安交通大学，在西北大学获得工学博士学位，主要研究方向为文化遗产数字化、虚拟现实与信息可视化，近年来温超围绕数字化艺术与人工智能方法，先后主持国家重点研发计划子课题、教育部人文社科、中国博士后基金、虚拟现实应用教育部工程研究中心重点课题、陕西省自然科学基金等，参与国家973预研、国家艺术基金、国家自然科学基金等，并在JCR一、二区SCI期刊及国际会议发表学术论文16篇，出版专著1部，成果获陕西省科技进步二等奖2项，出版教材5部，获陕西省教学成果一等奖1项。

报告摘要： 非物质文化遗产中包含了大量基于工具实物、文本记录、个体经验和工艺制造的知识。这些知识不仅以文字、图像、口诀、歌谣等形式存在，还以个人经验认知、描述语言、视觉感知与情感表达的方式存在，从知识特点上而言具有分散性、模糊性和差异性，从传播形态上则具有一定的个人私密性和群体封闭性。本研究以基于工具实物、文本、经验和工艺的非遗知识为对象，结合数字人文如文本挖掘、知识图谱等方法，从人机交互界面设计的角度探讨对非遗的知识进行可视化表达的可能性，并以此探讨视觉知识生产的可能。

个人简历： 陈静博士，南京大学艺术学院副教授、南京大学人文社会科学高级研究院数字人文创研中心发起成员、上海大学中国当代文化研究中心兼职研究员。2009年毕业于南京大学，获文学博士。2007-2008年赴美国杜克大学访学。2009年-2013年就职于上海交通大学人文与艺术研究院，任助理研究员。2012-2014年在美国莱斯大学赵氏亚洲研究中心从事博士后研究。2014年起就职于南京大学艺术学院。主要研究兴趣为：文化与媒介研究、数字人文、数字艺术及非物质文化遗产数字化。

报告摘要： 人文社会科学的研究过程中产生了大量数据，但传统方法很难分析此类非结构化、语义性强且具有人文社会科学属性类型的数据。而可视化与可视分析技术则天然在此类复杂非结构化定义的探索任务中具有优势。本次报告介绍了我们在可视分析应用于政治与历史研究的一些工作，包括利用社交媒体文本数据探索国际政治关键人物的舆论与观点，利用历史人文数据讲述历史人物的生平故事等。方法上，我们设计了基于桥和基于环的可视化隐喻的方法，将复杂的非结构化数据处理并投影到二维平面上，并结合交互分析与探索，探索人文社科数据背后内在的规律。

个人简历： 陈思明，复旦大学大数据学院副教授，中国图像图形学会可视化与可视分析专委会委员，入选上海市“科技创新行动计划”扬帆人才计划，从事大数据可视化与可视分析的研究，共发表国际学术论文40余篇，其中在IEEE VIS，IEEE TVCG，EuroVis等顶级国际可视化会议以及期刊上发表10余篇文章。曾获得北京市图像图形学会优秀博士论文奖项。担任IEEE VIS （CCF A）国际程序委员会委员，IMX会议论文领域主席，IEEE PacificVis、ChinaVis、VizSec、ICML-PKDD等会议程序委员会委员。同时担任多个国际会议的组织委员会成员主席，包括IEEE PacificVis海报主席、宣传主席，ChinaVis数据分析挑战赛主席等，也是可视化大部分著名期刊与会议的论文审稿人。他的工作曾获得6次IEEE VAST Challenge数据挑战赛一等奖，以及多个会议最佳论文/海报（提名）奖，包括IEEE VAST最佳海报提名奖，EuroVA最佳论文奖、Agile最佳海报奖、ChinaVis最佳论文提名奖等。更多信息请登录：http://simingchen.me 查看。

报告摘要： The ability to analyze and understand high-dimensional data is crucial to problem-solving and decision-making tasks found in various real-world applications, from climate studies, biological studies, sociological studies, to engineering design, healthcare, finance, security, and many others. Methods such as parallel coordinates, scatterplot matrices, and dimensionality reduction are commonly used to visualize and identify relationships among data samples as well as dimensions. In particular, dimensionality reduction methods have strength in finding the relationships from large, complex high-dimensional data, but they often suffer from interpretability. In this talk, I will present the techniques introduced by my group based on dimensionality reduction coupled with contrastive learning that provide interpretable results from the analysis of high dimensional data generated by biomedical, biological, communication network modeling, and social network applications.

个人简历： Kwan-Liu Ma is a Distinguished Professor of Computer Science. Ma received his PhD in Computer Science from the University of Utah in 1993. Before joining UC Davis in 1999, Ma was a research scientist at the NASA Langley Research Center. His research spans the fields of visualization, computer graphics, human computer interaction, and high performance computing. His work is largely driven by real-world applications in a wide variety of domains from engineering, physical science, social science, manufacturing and ecommerce, to biological sciences and biomedicine. In the area of education and learning, together with a science museum, his team has created and deployed interactive visualization exhibits for the public to learn about essential scientific subjects and the value of scientific research. Ma has also designed visualization interfaces and methods to capture, organize and share knowledge in collaborative work. For his significant research accomplishments, Ma received the prestigious NSF Presidential Early-Career Research Award (PECASE) in 2000, was elected an IEEE Fellow in 2012, received the 2013 IEEE VGTC Visualization Technical Achievement Award, and was inducted into the IEEE Visualization Academy in 2019. He presently serves on the editorial boards of the ACM Transactions on Interactive Intelligent Systems, Journal of Computational Visual Media, Journal of Visual Informatics, and Journal of Visualization.

报告摘要： 面向机器学习的可视分析技术旨在使机器学习模型的决策过程对研究人员和从业人员更加透明，从而实现人机的有效沟通和协作。本报告将介绍我们提出的机器学习模型可视分析框架。该框架跳出传统可视分析“先分析再可视化”的单一方向分析机制，将机器学习方法和交互可视化方法有机地结合在一起，从而更好地帮助用户：1）分析和改善训练数据质量，为机器学习提供高质量的数据；2）理解复杂模型及其输出结果，分析、诊断并不断完善机器学习模型，为用户选择、利用及改进机器学习模型提供技术依据；3）理解复杂的分析结果和预测分析中的概念漂移现象等。最后，结合具体的应用实例，如深度学习模型分析等，介绍基于该框架研制开发的可视分析技术。

个人简历： 刘世霞博士是清华大学的教授，IEEE Fellow。主要研究方向是可解释机器学习，文本可视分析和文本挖掘。2020入选IEEE Visualization Academy。担任 CCF A类会议 IEEE VIS(VAST) 2016和 2017的论文主席，IEEE VIS 2020-2023指导委员会委员；担任 IEEE Transactions on Visualization and Computer Graphics 副主编（ Associate editor-in-chief）、曾任编委；担任CCF A类期刊Artifical Intelligence编委；担任 IEEE Transactions on Big Data 和ACM Transactions on Interactive Intelligent Systems的编委。

报告摘要： 近年来，机器学习方法在图像识别、自然语言处理等诸多领域有着广泛的应用。然而，机器学习模型的黑盒特性也严重阻碍了用户对模型学习机制和预测输出的理解，使其在特定领域难以发挥有效作用。本报告将以机器学习流水线为出发点，介绍可视分析方法在数据预处理、模型解释、鲁棒性分析和知识迁移等方面的应用，试图探讨如何使用可视分析方法提升模型可解释性，以及辅助用户理解预测过程和模型中的潜在问题。

个人简历： 马昱欣，南方科技大学计算机科学与工程系助理教授，先后于2012年、2017年在浙江大学计算机科学与技术学院获得学士与博士学位，曾任新加坡国立大学SeSaMe研究中心实习研究员（2016年）、美国亚利桑那州立大学VADER实验室博士后（2018至2021年）。主要研究方向为大数据可视化与可视分析，包括基于可视分析的可解释人工智能方法、高维数据可视分析、时空数据的可视分析与应用。目前发表论文20余篇，近年在IEEE VIS、TVCG、CG&A等国际重要会议期刊上发表多篇长文；曾获得CVMJ年度最佳论文提名。参与可视化专著及教材编写2部。更多信息可见 https://mayuxin.me。

报告摘要： Graph neural networks (GNNs) are a class of powerful machine learning tools that model node relations for making predictions of nodes or links. GNN developers rely on quantitative metrics of the predictions to evaluate a GNN, but similar to many other neural networks, it is difficult for them to understand if the GNN truly learns characteristics of a graph as expected. I will briefly introduce the recent efforts in interpreting GNNs, and feature our approach that allow model developers to visually explore correspondences between a graph and its node embedding (CorGIE).

个人简历： Zipeng Liu is expected to receive his PhD degree from the Department of Computer Science, University of British Columbia (UBC) in the summer and will continue his research in mainland China. He works with Dr. Tamara Munzner in the InfoVis group on topics including visualization, visual analytics, data analysis, and human computer interaction. Prior to UBC, he received his Bachelor's degree from Peking University.

报告摘要： 随着信息技术在材料科学的研制、生产等过程领域的应用，积累的了大量研制、生产过程数据，如何有效利用这些数据，提高产品质量和生产效率是材料研制和生产人员关心的问题。报告通过材料数据分析案例，介绍了可视化技术在新材料配方筛选、设计、生产等过程中的应用，展示了可视化与可视分析技术如何支撑和辅助决策新材料研发与生产。

个人简历： 吴亚东，教授、博导，四川轻化工大学计算科学与工程学院院长、高技术产业融合发展研究院常务副院长，四川省大数据可视分析技术工程实验室常务副主任。四川省大数据可视化创新团队负责人。主要从事可视化与人机交互领域研究工作。CCF杰出会员，CSIG可视化与可视分析专委副秘书长，曾任ChinaVis大会主席（2019、2020），CCF YOCSEF成都主席，CCF绵阳主席。

报告摘要： The increasing amount of textual data bears valuable insights in domains including business intelligence and public policy. While automated text-analysis algorithms produce compelling results on summarizing and mining textual data, the end results are often too complex for average users to make decisions upon. In this talk, I will introduce my research on integrating automated data-analysis algorithms with visual analytics systems that help decision makers make sense of large-scale textual data interactively. I will introduce applications that integrate text-analysis algorithms and interactive visualization of the topics and events. These applications not only facilitate domain experts to make decisions based on insights gained from textual data, but also serve as platforms to study human biases during decision making.

个人简历： Dr. Wenwen Dou is currently an associate professor of College of Computing and Informatics and a core faculty member at Charlotte Visualization Center at University of North Carolina at Charlotte. Her research interests include Visual Analytics, Text Mining, and Human Computer Interaction. She works in the cutting-edge research area of Visual Text Analytics, which integrates statistical and machine learning methods with powerful interactive visualization for analyzing large amounts of textual data. Dou has worked with various analytics domains in reducing information overload and providing interactive visual means to analyzing unstructured information. She has experience in turning cutting-edge research into technologies that have broad societal impacts, partially demonstrated by support from both academic and industry partners, including the Pacific Northwest National Laboratory, US Army Research Office, US Special Operations Command, National Science Foundation, US Army Engineering Research and Development Center, and Lowe’s company Inc. Dou has been serving on the organizing and program committee of the IEEE VIS conference, the premier conference for visualization research.

报告摘要： 金融科技的发展推动了金融创新，同时也倒逼金融监管技术的革新。近些年，P2P信贷、虚拟货币、在线支付、担保圈等金融新业态面临监管不足和风控成本高的窘境。金融创新与安全可控间引起新失衡，亟需新技术推动智能预警与风险防控。习总书记多次强调指出要坚决守住不发生系统性和区域性金融风险的底线。智能金融利用人工智能技术与信息可视化和可视分析技术为金融业务深度赋能，使得金融专家深度理解金融数据，获得有效的决策辅助信息。本报告以基于可视分析的金融风险管控为主题，总结和介绍近年来可视化领域相关工作以及我们在可视分析驱动智能金融，金融监管等方面的一些工作和思考。

个人简历： 牛志彬博士，天津大学智能与计算学部助理教授，硕士生导师。他曾经受到欧盟玛丽居里奖学金资助在2016年获得英国卡迪夫大学博士学位，此前分别于上海交通大学和天津大学获得硕士和学士学位。研究领域为可视化和可视分析，数据挖掘，计算机辅助设计等。目前作为项目负责人承担国家自然科学基金一项。担任CAD,VAST,CVPR等期刊和会议审稿人工作，担任中国图象图形学学会可视化与可视分析专业委员会委员，中国工业与应用数学学会几何设计与计算专业委员会委员等。

报告摘要： 分析因果关系对理解复杂系统背后的机制从而进行合理决策起到至关重要的作用。在许多实际应用领域中记录下来的事件序列数据含有反映事件之间因果关系的重要信息。例如患者电子健康记录反映了患者症状与药物之间的因果关系，而财务交易记录反映了不同交易行为之间的联系。然而分析事件序列数据从中提取因果关系是具有挑战性的，因为具有异质性和高维性的事件序列数据通常包含相当复杂的事件因果关系而这些关系很难从有限的观测数据中被推断出来。本报告介绍了一个可视分析系统用于挖掘事件序列数据中的因果关系。可视化系统包括了一个交互式的因果分析框架。该框架支持自下而上的因果关系探索，迭代式的因果关系验证与优化以及因果关系比较。

个人简历： 金卓宸，博士毕业于同济大学，主要研究领域为数据可视化与可视分析，在IEEE TVCG、IEEE VIS、ACM CHI等可视化及人机交互领域权威期刊和会议上发表论文十余篇。现任职于华为云数据治理创新Lab，专注于可视化设计和可视分析的技术应用落地，并推动与学术界的产学研合作。

报告摘要： 作为深度学习领域的后起之秀，图卷积深度学习在不规则结构图的支持下通过图的空间邻域和频域特征提取，基于多层的卷积、池化运算，在节点边-结构的身份识别、过程预测、特征分类获得突出效果。本研究将图卷积深度学习GCN模型应用到GIS领域的的空间形态模式识别中，通过河流流域结构、道路网模型、居民地群、DEM结构线等地图空间中的典型图结构的深度学习，及实际识别结果的实验分析，探索空间认知问题通过深度学习解决的技术途径。本报告将汇报图卷积深度学习的训练样本的建立、学习模型的运算、模式识别结果的评价，重点讨论空间认知、地学信息形态分析的邻域知识与数据驱动思想的结合。从可视分析的角度，探讨深度学习方法解决地理现象的识别、特征提取与规律发现等问题。

个人简历： 艾廷华,武汉大学教授，博士生导师，现任武汉大学资源环境学院教授委员会主任、地理信息系统教育部重点实验室副主任。获评新世纪百千万人才工程国家级人选、前国家测绘地理信息局科技领军人才、中国地理学会青年科技奖。担任《Geographies》、《测绘科学技术学报》、《北京测绘》等期刊编委。艾廷华教授的研究方向为地图多尺度表达、空间数据可视化挖掘。近年来主持承担了国家自然基金重点项目、国家863计划、国家科技支撑计划、国家重点研发计划等国家级科研项目（课题）十余项，分别于2005年、2010年、2016、2020年获得国家科技进步二等奖4次，近两年来在国际期刊上发表“深度学习+GIS分析”的论文8篇。

报告摘要： 数字孪生城市建设的关键问题是三维实景地理环境可视化建模。目前通过倾斜摄影测量和激光点云已经可以构建高精度地理实体模型，技术基本成熟。但城市中很多场景并不追求很高的测量精度，而是追求更真实的现场体验感，如城市行道树、旅游景点、郊野公园等。对于这类场景，沿用测量技术无法取得令人满意的建模效果。采用场景构造方法对大规模城市自然景观进行仿真表达与可视化渲染是一个可行路径，也是一个亟待解决的问题。

个人简历： 贺彪，博士，深圳大学特聘研究员，担任深圳大学智慧城市研究院副院长、自然资源部城市国土资源监测与仿真重点实验室副主任、自然资源部国土空间大数据工程技术创新中心副主任、深圳市测绘地理信息学会理事。主要从事智慧城市大数据平台、三维地籍、国土空间大数据相关领域的关键技术、核心算法的研究和开发工作，具有丰富的GIS系统研发实践经验，主持国家重点研发计划课题一项，主持多项用于实际生产工作的基于GIS的土地管理信息系统和智慧城市基础信息平台的研发工作，发表论文40余篇，获省部级科技奖励5项。

报告摘要： 针对省域范围大规模三维地质体可视化应用需求，采用基于地质知识驱动与系列剖面拓扑推理相结合的地质体建模方法，实现了大规模的全省域精细全息三维地质可视化建模。在可视化分析技术方面，针对大范围三维地质空间关系复杂、数据量大的共性难点，提出了多线程并行剪切算法，基于统一TIN结构表达的三维地质体矢量剪切思路，解决了不同要素集合的并行裁剪运算问题。基于Web3D框架，开发实现了大范围三维地质模型的在线可视化查询访问。创建了-2500米以浅的1:50万比例尺的三维可视化地质数字模型，实现了贵州全省范围内的地下地上、地质地理一体化Web在线浏览。

个人简历： 田宜平，博士，教授，湖北省杰出青年科学基金获得者。主要研究方向是地学三维可视化（VR、AR）、地质大数据、地学过程模拟、三维可视化软件平台自主开发等。发表SCI、EI等论文20多篇，获湖北省技术发明一等奖1项、省级科技进步二等奖2项、三等奖1项、测绘科技进步三等奖1项。先后主持/参加省青年杰出人才基金项目、国家科技重大专项项目、国家重点基金项目、国家863项目、国家973项目等20余项。作为第一发明人获发明专利3项。在地质数据可视化、三维地学可视化平台软件开发、体元混合数据模型和地质体局部快速更新等方面取得创新成果。长期承担玻璃地球（玻璃国土）、城市地质、数字油田（智慧油田）、工程地质、灾害地质、数字矿山、数字水文水利等方面的科研项目。

报告摘要： 数字孪生是铁路信息化的重要标志，是建设智能铁路的新途径，实景三维空间信息可视化平台是支撑数字孪生铁路的关键基础设施。报告重点介绍了铁路全域范围全要素全生命周期及其相互作用关系的统一表达、来自物理世界和信息世界的多粒度多模态时空数据高效组织管理与高性能增强现实可视化、云边端资源优化调度等关键技术，结合川藏铁路的规划设计、施工建设和指挥调度等多层级多专业协同应用进行了具体可视化和案例分析，强调了基于实景三维空间信息可视化平台有机融合BIM信息，实现铁路与地理地质环境、人员、机械、物料以及灾害风险等的一体化可视化展现和整体治理。

个人简历： 朱庆，教授，西南交通大学学术委员会副主任，国务院学位委员会第八届学科评议组成员，教育部长江学者特聘教授，新世纪百千万人才工程国家级人选，国家测绘地理信息局科技领军人才，首批四川省教书育人名师,长期从事地球空间信息学的研究与教学工作，在数字高程模型、三维地理信息系统和虚拟地理环境等方面做了基础性和开拓性工作，研究成果获得广泛应用。

报告摘要： 视觉艺术的发展总是伴随着科学技术的发明而形成新的时代特征，在视觉艺术表现的主题和表述语言中，总是渗透或关联着特定时代科学技术的最新进展，由此形成科学与艺术相结合的文化。

个人简历： 跨媒体艺术家，“低科技艺术实验室”（Low Tech Art Lab）创立者，作品获得英国“The 2017 Lumen Prize”互动艺术大奖，“2018第三届王式廓奖”艺术奖得主。华中师范大学美术学院副院长，英属哥伦比亚大学（UBC）艺术系访问学者和韩国首尔CPI研究员。艺术工作聚焦于跨媒体互动艺术，其创作轨迹映现在现实与虚拟世界交错点的探索和实践，包括游戏艺术、互动艺术、机械装置、媒体剧场等。创立的“低科技艺术实验室”专注于当下媒体文化和跨学科的融合，基于电子虚拟环境的艺术实验，探索光与运动的交互、机器视觉系统的算法美学，以及可计算媒介的装置艺术的感知系统。

报告摘要： 人工智能技术的快速发展为可视化领域带来了新的契机，打破传统低效的手工作坊式的可视化创作过程，人工智能技术让自动可视化生成成为了可能。近些年来，智能大数据可视化实验室，在该领域展开了一系列相关研究，在本次报告中，曹楠教授将介绍利用人工智能技术自辅助视觉传达设计及自动可视化生成的基本理论及相关技术。并以自动数据故事生成为案例，演示智能可视化设计所带来的不一样的可视化内容创作过程。

个人简历： 同济大学长聘轨正教授，博士生导师，同济大学设计创意学院院长助理，同济大学智能大数据可视化实验室主任，曾入选国家海外高层次人才引进计划。曹楠毕业自香港科技大学，获得计算机博士学位。加入同济前，曹楠曾担任美国IBM 沃森研究院研究员以及IBM全球可视化及图形学会联合主席。他在IBM 研究部门工作的近十年中，曾获得IBM杰出技术成就奖、IBM 杰出研究成就奖、以及多项 IBM创新成就奖。

报告摘要： 应对后疫情时代带来的不确定性，在理论层面，我们需要更具思辨性的设计理念、主动设计的方法和人机共协的工具，以便支持我们在智能科技和数据主导的社会中探寻多样化的合意未来。在实践方面，我们需要思考人类价值与智能科技的平衡点，构建更具韧性的新场景新服务；需要数字化、网络化和智能化的工具形成新基础设施，应对抗解问题并提升未来塑造力。本报告将结合设计虚构和场景建构的方法，基于知识叙事与数字化策展的交互设计案例，从连接多维视角，连接多元价值、连接多重愿景等方面，阐释图谱化和解构化未来场景的实施路径和可视化工具。通过呈现未来思维在交互设计领域的研究与实践，以期待启发和激起更广泛和深入的讨论和探索。

个人简历： 付志勇，博士生导师，清华大学美术学院信息艺术设计系长聘副教授。清华大学中意设计创新基地副主任、中国创新创业教育研究中心副主任、清华大学艺术与科技创新基地主任、中国工业设计协会信息与交互设计专委会秘书长，世界华人华侨人机交互协会会长。农村农业部第二届全球重要农业文化遗产专家委员会委员。主要承担交互设计、服务设计、设计思维与创新创业相关的本科与研究生课程。研究关注于智能产品与服务设计、人本城市与设计未来等领域。2006年教育部新世纪优秀人才支持计划入选者，1998年日本筑波大学和2008年美国卡耐基梅隆大学访问学者。2014至2020年教育部中美青年创客大赛主要策划组织者，多次任职ACM SIGCHI和HCII等国际会议组委会。

报告摘要： 在人工智能等科学技术的加持下，信息引爆的数字化变革正在改写着我们的世界。"新文科"视域下数字媒体艺术协同信息设计的创新研究，是人机沟通范式转化和社会沟通愿景的互补，在此过程中，信息可视化的叙事表达已经成为人类的基础机能，为沟通提供方式、方法并塑造未来的叙事性图景。持续更新人类的沟通方式，不断扩大认知途径的边界，从而，驱动数字时代艺术与科技在共同作用于信息可视化叙事中达成合流。

个人简历： 鲁迅美术学院中英数字媒体（数字媒体）艺术学院院长、英国索尔福德大学媒体与艺术学院教授、清华大学美术学院视觉传达设计系毕业并获博士学位，并赴德国国立斯图加特美术学院联合培养。现任全国艺术专业学位研究生教育指导委员会委员。曾获国际A’设计艺术大奖白金奖等国内外专业大奖。

报告摘要： 数据叙事通过是一种通过对数据与可视化的艺术设计，从而进行可视表达的方式。经由设计师精巧的设计，数据的背景、数据中的洞察、与数据中发现的故事都会变得引人入胜，让人记忆深刻。常见的数据叙事包括可视化的简报，数据动画，数据视频等等，经常运用在数据新闻，数据知识的传播中。然而，要制作和设计数据叙事有一定的技术门槛，它需要对数据有深入的理解，并且在此基础上进行视觉设计，需要花费大量的时间。本报告介绍讲者在数据叙事的研究，包括如何自动化地抽取数据故事，如何实现数据信息图表的自动设计，如何将信息图表自动转换成动画，并在此基础上探讨数据叙事的应用与发展方向。

个人简历： 王韵博士毕业于香港科技大学计算机科学与工程系，本科毕业于复旦大学软件学院。主要研究兴趣是人机交互、数据可视化、数据智能。主要研究方向是数据故事、信息图表，及其自动设计和创作工具，自然语言交互等。在IEEE TVCG、IEEE VIS、ACM CHI、EuroVis等顶级期刊和会议发表学术期刊和会议论文20余篇，担任IEEE TVCG, ACM CHI, IEEE VIS等顶级期刊与会议的审稿人。详细信息请访问https://www.microsoft.com/en-us/research/people/wangyun/

报告摘要： 数据视频是叙述式可视化的一种表现形式，以信息可视化、动态图形和文本描述相结合的方式讲述数据故事，数据视频因其能有效展示数据事实、揭示数据内涵，深受广大用户喜爱。本报告主要介绍可视化中动画叙事的设计空间，该设计空间主要包括两个维度，一是常用于传达数据信息的动画技术；另一个是由此类动画技术提供的视觉叙事策略，用于支持故事呈现。通过构建结构化的动画叙事设计空间，我们旨在为设计师创作数据视频提供设计指南，并为后续智能可视化生成工具的开发提供理论基础。

个人简历： 石洋，同济大学设计创意学院副教授，硕士生导师。于2017年获中南大学计算机博士学位，她硕士和本科分别毕业于卡内基梅隆大学 (Carnegie Mellon University) 和浙江大学。石洋从事人机交互及信息可视化的研究，主要研究方向包括：可视化智能生成及故事叙事、智能辅助创意设计等，相关论文发表于计算机领域顶级国际会议/期刊，如ACM SIGCHI, CSCW, IEEE TVCG, AAAI。

报告摘要： 可视化叙事以一种直观生动、深入人心的形式传递有价值的信息，近年来越来越受到关注。哥伦布系统是一款结合地图场景进行可视化叙事的工具，该系统采用一张沉浸式的地图承载地理数据，提供配置文案、加载媒体资源、绑定辅助图表和交互动画等功能进行叙事，通过镜头视角的切换推进故事。本次报告将以ChinaVis大气污染数据集为例，使用哥伦布系统讲述近年来我国大气污染治理的故事与这套系统的一些设计思考。

个人简历： 刘茜，奇安信集团高级研发经理。硕士毕业于北京科技大学计算机专业。目前主要研究开发方向包括：3D数字孪生可视化、3D地图引擎、GIS场景可视化叙事。

报告摘要： 医疗中的“叙事”，是医生对病人做出精确、个性化的诊疗而不可或缺的重要信息来源。叙事医疗，使医生更为“接近”患者，并用“叙事”方法来与病患、家属和大众有效交流，从而共同做出有针对性地适合的医疗决策。但在叙事医学实践中，存在着缺乏沟通时间，缺少适合的“叙事”空间，缺乏有效工具等挑战与问题。近年来可视化研究在叙事医疗实践的叙事内容记录，医疗对话，叙述治疗，医学教育等方面进行了研究与探索。

个人简历： 马华，苏州工艺美术职业技术学院副教授，荷兰埃因霍温科技大学TU/e 人机交互客座研究员，浙江大学计算机科学与技术学院访问学者，中国图象图形学会可视化与可视分析专委会委员，研究方向：人机交互、信息可视化、用户体验研究。

报告摘要： 暂无

个人简历： Ingrid Hotz is a professor in Scientific Visualization at Linköping University, Sweden. She received her M.S. degree in theoretical Physics from the LMU Munich, Germany and the PhD degree from the CS Department at the University of Kaiserslautern, Germany. Since then she has spent some time at the University of California Davis, at the Zuse Institute in Berlin, and at the German Aerospace Center (DLR). Currently she leads the Scientific Visualization Group at the division for Media and Information Technology at LiU. She is serving as Chair of the international workshop series for ‘Topological Methods in Visualization (TopoinVis)’ and is the coordinator of the Swedish e-sciences Research Center (SeRC) Visualization Community. Her research interest lies in the area of data analysis and scientific visualization, ranging from basic research questions to effective solutions to visualization problems in applications including flow analysis, engineering, physics, and medical applications. Her research builds on ideas and methods originating from different areas of computer sciences and mathematics, such as computer graphics, computer vision, dynamical systems, computational geometry, and combinatorial topology.

报告摘要： 工业软件是国家急需科学攻关的卡脖子问题，工业仿真属于其中的关键环节，它对于新产品的快速研发不可或缺. 当前, 随着高性能计算技术的持续发展, 并被不断被用于解决复杂工程问题, 工业仿真设计的效率不断获得提升。但是随之产生的大规模工业仿真数据集，对仿真设计与分析的人机交互力提出了新的挑战。本报告将从CAE仿真领域展开介绍，围绕若干典型的工业仿真应用，对比科学可视化的可视化工具发展，讨论高性能CAE仿真对可视化的需求，以及其中存在的挑战性问题。

个人简历： 曹轶，博士，北京应用物理与计算数学研究所正研究员、中物院高性能数值模拟软件中心前后团队负责人，长期致力于国家典型重大应用领域的科学、工程数据可视化技术研究以及定制软件研制工作。目前主要研究方向为：科学计算可视化、大规模并行与硬件加速技术、百亿亿次高效能实现技术。作为课题或专题负责人承担国家军口973项目、民口863项目、国家科技部重点研发计划高性能计算专项、国防科工局挑战专题等多项国家重大研究项目，在国内外学术刊物发表学术论文约20余篇，获军队进步二等奖一次，省（部）级二等奖一次，软件著作权五项。

报告摘要： 科学数据具有高维、时变、规模大等特点，科学数据可视化为复杂现象提供了有效的分析、验证和解释手段。本报告将介绍面向多用户的科学数据可视化平台，渲染服务部署在高性能服务器上，支持高并发的大规模数据可视化，用户可以在Web客户端上按需构建可视化流水线，实现对数据的交互探索。

个人简历： 陶煜波，浙江大学计算机学院副教授，从事科学计算可视化、可视分析和电磁计算，在IEEE TVCG、TIP、TAP等国际一流学术期刊，和IEEE VIS、EuroVis、IEEE PacificVis等国际可视化和可视分析会议发表论文60多篇，参与编写《数据可视化》专著，IEEE VAST Challenge 2015挑战赛获奖。主持国家自然科学基金三项，子课题负责人参与国家科技支撑计划一项和国家重点研究计划两项等。

报告摘要： 随着高性能计算机能力的提升，CFD在工业设计与基础研究中得到越来越多的应用，求解问题规模、复杂度以及数据量也随之大幅增加，可视化技术在直观反映数据分布及特性，在分析和辅助设计方面发挥着不可替代的作用。本报告介绍了国家数值风洞军民融合工程（NNW）流场可视化软件（TopViz）的建设目标、研发规划、技术途径和进展情况，展示了软件研制现状以及目前的产品线开发进展，对软件研制过程中的关键技术进行了总结。

个人简历： 本科和研究生均就读于国防科技大学计算机学院，计算机科学与技术专业博士，现就职于中国空气动力研究与发展中心计算空气动力研究所，主要研究方向为流场可视化和高性能计算。参与国家973项目1项，国家重点研发计划1项，国家自然科学基金项目3项，发表多篇学术论文，其中SCI/EI检索论文十余篇。