报告摘要： 可视化和可视分析是理解科学计算大数据不可或缺的技术手段。随着高性能科学计算技术的快速发展，可视化和可视分析面临着数据规模日益庞大、数据类型多源异构、物理现象极端精细复杂等挑战性难题。为复杂多样的大规模科学计算数据提供统一的模型描述，并以此为基础集成数据高效可视分析技术、构建软件产品是及时有效地响应科学计算大数据交互可视分析需求的关键。本文将介绍我们在科学计算大数据通用模型、高可扩展并行算法研究及软件研制方面取得的进展，及其应用效果。

个人简历： 肖丽，北京应用物理与计算数学研究所研究员，中物院高性能数值模拟软件中心首席专家，主要研究领域为高性能科学计算可视分析算法研究和软件研制，负责及承担国家重点研究计划项目课题、国家自然科学基金重点项目课题、973项目专题、863项目子课题、部委基金等十多项，获得军队科技进步一等奖3项、二等奖1项，省部级二等奖1项。

报告摘要： 随着计算机图形学、人工智能与大数据等技术在各行各业的创新发展，面向农林等特定领域的科学问题，如森林的科学可视化与实景重现正在不断引起广大国内外学者的关注。林木是地球上最复杂的非刚性有机生命体，其时空模型的精准构建与自然环境交互下的实时渲染一直是森林精准培育、智慧营林、科学经营的重要环节。本报告通过从扫描的林木激光点云中重构三维时空下的树木对象，融合林学、空气动力学、太阳辐射传输理论，着力于对林木器官尺度下的枝、叶以及生长变化开展逼真绘制和动态场景重现，助力林业工作者理解和感受错综复杂而又规模庞大的生境内，林木表型体征信息的变化与生理响应下的表型性状的变迁。

个人简历： 南京林业大学林学院林业信息与遥感系教授，博士生导师，主要从事林业人工智能、农林表型研究、林业数字孪生等的教学与科研工作。近5年，获林业梁希科学进步奖三等奖一项、主持国家省部级项目多项。以一作和通讯作者在《Remote Sensing of Environment》、《Agricultural and Forest Meteorology》《Plant Phenomics》等一区二区期刊上发表学术论文80余篇，授权国际PCT专利与农林测绘类发明专利12项。目前任中国林学会计算机应用分会理事、江苏省智慧农业研究会理事、中国计算机协会高级会员等。

报告摘要： 为有效地描述流场的演化，特征提取可以有效地识别流场中的高级特征区域，特征跟踪可以匹配流场时间维度上的关系，从而识别特征事件的生成。我们设计了一种基于局部提取方法的特征点分类器来对流场数据点进行二值判断，并使用特征区域扩散算法来提取特征区域。基于特征提取结果，我们进一步提出了一种新的基于空间分布优化的特征相似度测量方法，并在此测量方法的基础上实现了一种基于有向非循环图（DAG）图的全局优化特征跟踪方法。

个人简历： 毕重科，天津大学智能与计算学部副教授、博士生导师，国家重点研发计划项目负责人，CCF高级会员。2012年于东京大学获理学博士学位，2012年至2016年在日本理化学研究所担任研究员，2016年加入天津大学。主要研究方向为可视化、高性能计算和人工智能。现任CSIG可视化与可视分析专委会常务委员，天津市人工智能学会理事，天津市智能科学与研究会监事，CCF高性能计算专委会等10个专业委员会委员。近5年，主持重点研发计划1项，国家自然基金2项，各部委项目7项。参与国家自然基金3项（包括重点项目1项），各部委项目1项，天津市基金重点项目1项。在可视化和高性能计算领域发表论文60余篇。

报告摘要： 在最近几年, 神经隐式表达在计算机视觉中展示出巨大的成功。然而，目前大多数工作都集中在图像和三维网格的重建上, 这限制了它们在许多实际问题中的应用。在本次报告中，我将讨论如何利用这种框架来实现不同的科学可视化任务，包括时间超分辨率，空间超分辨率，渲染图像生成，环境光遮蔽预测等。

个人简历： 韩俊，香港中文大学(深圳)数据科学学院助理教授，2022年获得美国圣母大学计算机科学和工程博士学位。主要研究兴趣为科学可视化和深度学习。近年来发表论文20余篇，包括IEEE TVCG, IEEE VIS, EuroVis, IEEE PacificVis，ACM IUI和ACM UbiComp等，其中多项工作受邀在IEEE VIS 和 EuroVis上做特邀报告。

报告摘要：In this study, we set out to curate the first large-scale dataset dedicated for historical visualizations. Our dataset comprises 13K images of historical visualizations with corresponding processed metadata. In curating the dataset, we propose a workflow to scrape and organize the heterogeneous metadata from sources with various schema. We develop a semi-automatic approach to distinguish visualizations from other artifacts. Our dataset can be accessed with OldVisOnline, a system we built to browse and label historical visualizations. We discuss our vision of usage scenarios and research opportunities with our dataset, such as textual criticism for historical visualizations.

个人简历：张宇，现任华为基础软件创新实验室研究员。他博士毕业于牛津大学计算机系，本科毕业于北京大学智能科学与技术专业。他在人机交互与可视化领域开展工作，主要研究方向为交互式机器学习以及数字人文，相关论文发表于ACM CHI, ACM TIIS, IEEE TVCG等会议与期刊。。

报告摘要： 中国古画的真伪鉴别，不仅需要考虑题款、印章、画名内容等多方面的信息，还需大量的文献资料辅助。本报告探讨一种多模态语义的中国古画鉴别分析框架，搭建了多模型联合的中国古画辅助鉴别可视化系统，将画作对象的提取，内容的关联匹配，文献资料的检索查阅一体化，用于辅助专家的鉴别工作。

个人简历： 浙江大学“百人计划”研究员，博士生导师，主持国家自然基金、装发基金、科技创新2030重大项目子课题、浙江省重点基金以及其他多项高校科研项目。曾以项目负责人或技术负责人的身份完成了多个国家重大项目的复杂信息系统人机交互界面设计研究。2020年9月加入浙江大学组建“数字人文与用户体验实验室”，研究方向：一是探索数字人文视阈下的中国传统绘画作品可视分析及可视化研究；二是开展人机交互界面设计实践及相关工效学实验认知测评研究。

报告摘要：数字人作为一种新型的智能交互形式为我们提供着更加人性化的服务。本报告面向古都文化挖掘与应用，基于语音识别、语音合成表情驱动等技术开发一套三维数字人实时语音交互系统，实现从语音到表情动画的实时转换，通过数字人的个性化可视化表达方式推进传统文化领域的智能化脚步，提高文化传播的效率。

个人简历： 教授，博士生导师。现任北京市“网络系统与网络文化”重点实验室主任，文旅部“交互技术与体验系统”重点实验室副主任，工信部中国用户体验联盟副理事长。主要研究方向为：人机交互和智能设计。主持完成国家自然基金项目、教育部博士点基金、 北京市科委项目、以及与苹果、中国移动、电子科学研究院等多项人机交互、用户体验评估和可视化方面的研究开发项目。发表人机交互、增强现实、交互评估方面的SCI、SSCI、EI等论文80余篇，获得多项发明专利、实用新型。

报告摘要： 如何将信息有效的以图形的形式传达给观众是信息传达设计研究的重点。近年来信息传达设计的相关技术如数据可视化与数据叙事被广泛的应用在了与信息传播相关的数字人文场景当中，其中数字传媒便是其中的重要方向。在这个报告中我们将回顾近些年来在该领域所做的科研与实践工作，旨在抛砖引玉，在该领域激起更多的讨论。

个人简历： 曹楠是国家青年人才，同济大学设计创意学院副院长，软件学院教授及人工智能与数据设计学科主任，曾入选福布斯中国智能设计师Top20并获微软最有价值专家称号（MVP）。加入同济前，曹楠是IBM T.J. Watson研究员，长期从事可视化与信息传达设计领域的研究，并开展相关技术在数字传媒、网络安全、智慧城市及智慧医疗等领域的应用与实践研究工作，累计发表CCF-A类论文60余篇，曾8次获得领域重要会议的最佳论文/最佳论文提名奖，目前他是 Computer Science Review 及 IEEE Transactions on Big Data 的编委, CHI 2024 可视化领域的AC，曾担任 IEEE Pacific Vis 2020，2021 及ChinaVis 2018, 2019 的论文主席。

报告摘要：Unlike natural language and raster images, data visualizations have no standard format and can be described as bitmaps, vector graphics, or grammatical specifications. These different formats have far-reaching implications for automated approaches and methods to generate and parse visualizations. In this talk, I will present our work on manipulable semantic components (MSC), which explores a new way to describe and specify data visualizations. MSC integrates structural description with grammar-based procedures and can enable novel interactive applications to generate, deconstruct, and reuse data visualizations.

个人简历： Zhicheng Liu is an assistant professor in the department of computer science at the University of Maryland College Park. He directs the Human-Data Interaction research group, focusing on human-centered techniques and systems that support interactive data analysis and visual communication. Before joining UMD, he worked at Adobe Research as a research scientist and as a postdoc fellow at Stanford University. He obtained his Ph.D. at Georgia Tech. His work has been recognized with a Test-of-Time award at IEEE VIS, and multiple Best Paper Awards and Honorable Mentions at ACM CHI and IEEE VIS.

报告摘要： 基于可视化参考模型，过去十年中数据可视化系统的视觉表达有了长足发展。然而，该模型在交互设计方面存在诸多问题，如难以适应多模态交互场景、缺乏灵活性和可扩展性、以及界面表达与交互行为之间的高耦合性等。我们认为该模型不仅需要对各种常见交互行为进行结构化抽象描述，还需要支持界面表达与交互行为的分离。通过借鉴生活中“工具”的概念，我们提出了工具交互架构Libra，基于自动机、交互服务、视觉反馈等组件，实现了透明、完备的交互定义，并支持交互组件的重用、扩展与组合。我们实现的基于D3的原型系统Libra.js(https://libra-js.github.io/)有效证明了该架构的表达力与易用性。

个人简历： 汪云海，山东大学计算机科学与技术学院教授，国家级青年人才，山东省杰青。主要围绕构建交互式数据分析系统开展数据管理、数据可视化、数据交互等方面的研究，在ACM SIGMOD、ACM SIGGAPH (Asia)、ACM CHI、IEEE VIS、IEEE VR、ACM TOG、IEEE TVCG等领域顶级会议与权威期刊和会议发表论文 70余篇，获得ACM CHI 2021 最佳论文提名奖、IEEE VIS 2021最佳论文提名奖等奖项。曾获得山东省自然科学一等奖、中国电子学会科技进步二等奖、山东省教学成果奖一等奖等，担任Computer Graphics Forum、 IEEE Computer Graphics and Applications、CCCF专题等期刊编委。

报告摘要： 近年来，人工智能发展迅猛。在数据分析任务中，AI与人类的合作对于那些不能仅靠AI独立解决的问题变得越来越重要。本次报告我们将从三个方面讨论人机融合：社交媒体中的动态数据实时可视分析、语言对话模型的可解释性可视分析、以及利用AI为可视化探索推荐交互行为。首先，AI有助于我们从海量的社交媒体数据中挖掘有价值的语义信息，结合新颖的可视化隐喻可以让我们在错综复杂的数据探索事物的规律。其次，为了进一步打开AI的"黑箱"，我们通过可视化和归因方法探讨神经网络的不同参数和神经层，并研究开放领域自然语言对话模型的可解释性。最后，我们介绍如何利用AI的推荐能力，在博物馆场景实现智能人机协作的交互推荐可视分析。通过上述案例，我们讨论人机协作的各种关键点，并总结智能人机交互需要实现的效果。

个人简历： 陈思明是复旦大学大数据学院的青年研究员，博士生导师，上海市高层次人才，复旦大学可视分析与智能决策实验室 (FDUVIS)负责人。在此之前，他是德国弗朗霍夫信息系统智能分析研究所 (Fraunhofer Institute IAIS) 的研究科学家，并在德国波恩大学担任博士后研究员。他在北京大学获得博士学位，并在复旦大学获得学士学位。他的研究兴趣是可视化和可视分析，特别是人机融合、社交媒体、自动驾驶和时空可视分析。他已经发表了90篇余论文，其中超过20篇发表在顶级会议和期刊中（CCF A），包括IEEE VIS、IEEE TVCG、ACM CHI、ACM CSCW等，并获得十余个最佳论文（提名）、竞赛奖项。他担任了多个国际期刊和会议的组织主席、副主编和程序委员会。更多信息请访问 http://simingchen.me>。

报告摘要： 自然语言是可视化交互的重要媒介，包含构建、理解和修改。在构建方面，自然语言能降低需求表达的门槛，方便大众快速构建数据可视化；在理解方面，自然语言作为可视化的重要组件，以辅助用户理解数据；在修改方面，自然语言可以作为用户改变可视化映射的方式，以支持多元的数据分析需求。本报告分享基于机器学习的可视化自然语言交互技术。

个人简历： 刘灿，2023 年获北京大学智能学院博士学位，导师为袁晓如研究员。2018年获北京大学理学士、经济学士。研究方向为深度学习驱动的可视化。在可视化领域期刊会议 IEEE TVCG, ACM CHI, IEEE PacificVis 等发表十余篇论文。获 IEEE VIS 最佳海报提名奖，IEEE PacificVis 最佳海报奖、提名奖，ChinaVis 最佳综述奖、最佳论文提名奖。

报告摘要： AI can be a valuable aid in areas where human cognitive abilities are limited, and human involvement remains crucial for adapting AI to dynamic and complex situations. However, this human-AI teaming presents a host of new challenges regarding trust, ethical integrity, and mutual understanding, especially in high-stakes or in-the-wild contexts. In this talk, I will first introduce three key human-AI teaming scenarios in such contexts by exploring a series of my works on two fundamental building blocks: human-centered AI and human-AI interfaces. Later, I will specially discuss how to achieve human-AI teaming to enhance data driven decision-making for time series data analysis by creating innovative machine learning and data visualization techniques.

个人简历： Dr. Dongyu Liu is a tenure-track assistant professor in the Department of Computer Science at the University of California, Davis. Before joining UCD, he was a Postdoctoral Associate at MIT LIDS. He earned his PhD in Computer Science and Engineering from HKUST. Dr. Liu’s research interests lie at the intersection of Data Visualization, Machine Learning, and Human-Computer Interaction. He develops interactive visualization and human-centered AI techniques to augment human intellect for efficient, effective and trustworthy data-driven decision-making. His research has been published in prestigious computer science venues including TVCG, VIS, CHI, CSCW, SIGMOD. He has received recognition for his work, including a best paper award (VIS 2018) and an honorable mention (VIS 2021).

报告摘要： 随着人工智能及大模型的快速发展，面对日益增长的数据叙事需求，智能叙事可视化引起了各个领域的广泛关注。本报告将从最新的智能叙事可视化工具的文献综述展开对该方向研究现状的介绍，提出基于不同自动化水平的四种分类，并结合具体的基于多维度数据及网络关系数据的智能叙事可视化内容创建与生成的研究工作，探讨智能化方法如何逐步参与到可视化设计和叙事过程中，帮助用户更加高效便捷地完成丰富的可视化叙事内容。

个人简历： 陈晴，同济大学助理教授，上海市海外高层次计划引进人才。曾担任INRIA和École Polytechnique博士后研究员。研究方向包括信息可视化、大数据可视分析、人机交互及其在智慧教育、智慧医疗、智能设计及商业智能中的应用，在IEEE TVCG/VIS及ACM CHI等国际顶级期刊及会议发表论文二十余篇，获得CSIG自然科学奖二等奖、香港ICT最佳创新奖银奖等奖项，担任VIS领域多个国际学术会议程序委员会委员，现任IEEE VIS社区主席，主持国家自然科学基金及教育部产学研合作育人项目。

报告摘要： In crucial domains like medical disease diagnosis, effective communication and collaboration with AI models assume paramount significance. This encompasses not only the interpretability and trustworthiness of the models but also relies upon stakeholders' background knowledge, traditional practices, cognitive abilities, and cooperative communication. These multifaceted elements exert substantial influence on the successful implementation of AI models in these critical domains. This report aims to disseminate acquired insights from collaborative experiences with healthcare institutions, exploring strategies to enhance stakeholders' comprehension, application, and trust in AI models within these contexts. Moreover, this report seeks to unveil latent experiences and draw meaningful conclusions that might have previously gone unnoticed throughout the process.

个人简历： 李权，上海科技大学信息科学与技术学院助理教授（终身教授序列）、研究员、博士生导师。2019年博士毕业于香港科技大学计算机科学与工程学系，从事人工智能及可视分析、可解释性机器学习以及人机交互技术的研究。曾获得港科大工学院PhD Fellowship及 Top RPG (Research Post-Graduate) 荣誉。曾任职于微众银行人工智能部高级研究员、佐治亚理工学院计算机科学与工程学院的访问研究员及网易游戏资深研究员。学术成果发表在VIS, EuroVis, PacificVis, CHI, CGF, TVCG等可视化及人机交互顶级期刊和会议。https://faculty.sist.shanghaitech.edu.cn/liquan/

报告摘要： 随着人工智能及大模型的快速发展，面对日益增长的数据叙事需求，智能叙事可视化引起了各个领域的广泛关注。本报告将从最新的智能叙事可视化工具的文献综述展开对该方向研究现状的介绍，提出基于不同自动化水平的四种分类，并结合具体的基于多维度数据及网络关系数据的智能叙事可视化内容创建与生成的研究工作，探讨智能化方法如何逐步参与到可视化设计和叙事过程中，帮助用户更加高效便捷地完成丰富的可视化叙事内容。随着科学技术的发展，海量动态、多源异构等复杂数据变得愈发常见，创建有效的可视化进行模式挖掘变得具有挑战性。现有可视化生成算法大多只支持单一视图可视化生成，无法很好实现像分析仪表板这样的复合多视图可视化的自动化构建。针对复杂数据分析场景下可视化的智能生成问题，现有工作在基本组成、组成关系和创建流程等方面存在多个挑战。本次报告将从数据集构建和流程建模等方面对复合多视图可视化的智能生成进行讨论。

个人简历： 邓达臻博士主要从事智能可视分析（AI4VIS）和体育智能分析方面的研究。他在IEEE VIS、IEEE TVCG、ACM KDD、ACM CHI等CCF-A类会议/期刊上发表相关论文10余篇；获IEEE VIS 2022最佳论文提名奖；曾担任IEEE VIS、ACM CHI等权威会议审稿人。他于2018年获得浙江大学数学与应用数学学士学位，于2023年获得浙江大学计算机科学与技术博士学位。

报告摘要： 数据变换是数据处理中的重要一环。在许多场合中，数据分析师需要理解数据变换代码的语义。比如，修正代码中潜在的错误、复用他人的代码等。然而，理解数据变换代码的语义面临不少挑战。针对数据变换场景，本报告将分享代码语义解析和可视化的系列工作。代码语义解析方面，研究并实现了基于启发式算法和CNN的高效解析流程。可视化方面，针对23种数据变换操作设计了相应的图符。案例研究和用户研究都验证了方法的有效性。

个人简历： 傅四维，之江实验室研究专家，博士毕业于香港科技大学。研究方向为人机交互，信息可视化，可视分析。在文本可视化、交互式数据清洗、自然语言交互等方面取得了一系列成果。多篇文章发表于IEEE Transactions on Visualization and Computer Graphics、Computer Graphics Forum等国际期刊和IEEE VIS、ACM CHI等国际会议。在IEEE VIS，ChinaVis等可视化旗舰会议任程序委员会委员，曾任IEEE CG&A客座编委。

报告摘要： 散点图被认为是一种通用的、多态的可视化技术。然而，随着数据规模的增长，代表数据点的图元之间的重叠引发了过度绘制问题，严重干扰了散点图在揭示数据模式上的有效性。本报告将系统地分类已有的散点图过度绘制缓解技术，介绍一个基于双空间耦合模型的新方法，并列举大规模散点图可视化尚未解决的研究问题。

个人简历： 中国传媒大学助理研究员，2023年博士毕业于天津大学。多项研究成果发表在IEEE TVCG、IEEE VIS等国际顶级期刊和会议上，多次获得IEEE VAST Challenge数据挑战赛一等奖，获得过ChinaVis最佳论文提名。主要研究方向是大数据可视化与可视分析，尤其是散点图可视优化与增强、文本数据可视化和高维数据可视化。

报告摘要： 本报告介绍Rigel，一个用于快速转换表格数据形式的交互式系统。Rigel采用了一种新的声明式映射方法，将数据转换过程表示为从数据到目标表格的行、列和单元格通道的直接映射。Rigel允许用户直接在表格之间拖动数据或在目标表格中键入数据值，并推荐不与交互矛盾的潜在映射以实现高效且直观的数据转换。与通过组合操作转换数据的现有系统相比，Rigel对这些操作需要较少的先验知识，且比先前的按示例方法生成操作序列更高效，产生的歧义较少。

个人简历： 翁荻博士目前就职于浙江大学软件学院，担任百人计划研究员。他的研究兴趣主要集中在信息可视化和可视分析领域，专注于交互式数据转换和时空数据可视分析。他在包括IEEE VIS、ACM CHI、IEEE TVCG等知名计算机科学会议和期刊上发表了超过 15 篇论文，担任 IEEE VIS 2023、ChinaVis 2022和2023等会议的程序委员会成员，并为诸多学术期刊和会议审稿。他于2021年在浙江大学获得计算机博士学位。在担任现职之前，他于2022年至2023年在微软亚洲研究院任研究员。

报告摘要： 横向联邦学习支持多个客户端在不直接交流数据的前提下，整合分布在不同客户端的数据知识，训练联邦模型。然而，分布在不同客户端的数据往往存在异构问题，该问题具有复杂性，可能对联邦模型的性能起到积极或消极的作用。本报告将介绍一个针对异构问题的可视分析方法，使客户端用户在不违背联邦框架隐私保护限制的前提下，能对本客户端和其他客户端的数据中可能存在的异构问题进行分析，相关结论可支持用户完成关于如何处理数据以优化模型性能的决定。

个人简历： 王叙萌，南开大学计算机学院讲师，曾于2021年在浙江大学计算机科学与技术专业取得博士学位，主要研究方向是隐私保护与可视分析。在IEEE/ACM汇刊中发表长文10余篇；担任VizSec 2023 Program Co-chair，CVM、ChinaVis、VINCI等会议的程序委员会委员。

报告摘要： 智慧古籍平台涉及地理信息可视化、世系可视化、社会关系可视化、时间图谱可视化等，有的已建成，有的在建。随着大语言模型的产生，今后还涉及场景可视化。

个人简历： 徐永明，浙江大学文学院（筹）教授，博导。浙大文学院（筹）数字人文研究中心主任。“学术地图发布平台”和“智慧古籍平台”负责人，明代文学学会（筹）副会长、中国俗文学理事、中国古籍保护协会古籍智能开发与利用专业委员会秘书长、哈佛大学CBDB指导委员会委员。哈佛大学燕京学社访问学者。《数字人文》《数字人文研究》期刊编委。主要研究元明清文学、数字人文。撰写、整理和编纂了《元代至明初婺州作家群研究》《宋濂年谱》等著作。

报告摘要：中国古代典籍文献是中华优秀传统文化和知识体系的重要载体，蕴藏了大量的历史人文知识，可视化给古代典籍带来了新的呈现方式，丰富了人们的阅读体验，也给人文学者带来了新的观察与分析方法,实现了古籍的创造性转化和创新性应用。报告以中国典籍可视化为基础，从实现途径与方式介绍中国古代典籍可视化研究思路，并介绍中国古代典籍文献可视化代表性案例。

个人简历： 欧阳剑，文学博士，上海外国语大学图书馆、中国国际舆情研究中心双聘研究员，上海外国语大学志远卓越学者，主要从事信息资源管理、数字人文、国际舆情等研究，出版专著三部，发表学术论文50余篇，先后主持国家社科基金2项、国家社科重大项目子项目1项、省部级课题多项，参加教育部重大项目、国家社科重大项目多项。

报告摘要： 由报告人所带领的“空间人文与场所计算”实验室，借助“数字人文”与“空间人文”这样的新兴学科方向，在国际学术界首先提出了“空间历史大数据”理论架构，将人文知识的空间映射与对城乡实体空间的认知、构想和实践操作相关联。团队研究在此框架下致力于建构数字时代人文知识赋能城乡空间的路径和体系，从人文视角搭建数字空间与实体空间之间的融合匹配桥梁，为深度活化并全面发挥人文遗产的当代价值提供新可能。本报告中提出在该框架下文化赋能研究与执行的几个层次中可视化方法与技术的作用、潜力与挑战，希望同与会专家学者深化讨论并寻求指导与合作。

个人简历： 何捷，现任哈尔滨工业大学（深圳）建筑学院城乡规划系教授、“智慧城市与数字空间规划”特色学科方向联合负责人。研究兴趣及专长以空间信息技术的社科人文应用为核心，包括“空间历史大数据”、“城市及场所计算”、“大数据与空间行为”、“地理设计与户外游憩”、“景观考古学与文化景观遗产”等方向。

报告摘要： 信息可视化通过探查数据之间的关联与规律，以有指向的信息组织与视觉建构来呈现数据特性和诠释其隐藏意义，并以多感知的艺术形式来再现和营造审美意象。同时，报告结合信息架构与可视化课程和设计案例，探讨可视化作为思维表征化的一种手段或结构表达方法，在产品和服务设计研究中的工具意义，从设计学科视角提供在应用场景中的可视化分析和问题解决途径。

个人简历： 吕曦，教授，博士，博士生导师，四川美术学院设计学院院长。重庆市交叉学科专业类教学指导委员会委员，中国机械工程学会工业设计分委会副总干事，中国服务设计人才与机构评定专家委员会委员。主要从事以用户体验为中心的信息可视化设计、数智交互设计与服务设计等艺术与科技交叉领域研究。获国家级教学成果奖二等奖、省级教学成果一等奖等，主持国家社科基金艺术学等国家级、省部级项目等20余项，重庆英才创新创业领军人才。

报告摘要： 图表（如散点图、条形图）作为一种经典的数据可视化形式，广泛用于信息的呈现。近年来，人类视觉感知方面的相关研究极大地拓宽了经典图表表达的可能性。这个报告将介绍我在经典图表的视觉建模和增强设计方面的系列工作，包括如何利用格式塔视觉法则增强多类散点图，为静态图表注入数据驱动的动画，图表中最小视觉差（Just Noticeable Difference ）的建模并应用于图表的自适应增强，以及如何运用机器学习方法挖掘图表中的视觉信息流的设计模式等等。

个人简历： 陆旻，深圳大学助理教授， 2017年获得北京大学计算机科学与技术博士学位，研究方向为可视化与智能交互。近年来，在可视化、人机交互等计算机领域的顶级国际会议IEEE VIS，ACM CHI发表论文多篇，曾获2016 ChinaVis Best Poster, 2017 ICUI Best Paper, 2018 PacificVis Best Poster, 2020 CVM Honorable Mention Paper等。长期担任IEEE VIS，EuroVis，IEEE TVCG, ACM TIST等会议期刊审稿人。详情访问：https://deardeer.github.io/

报告摘要： 大数据和人工智能技术的发展，给设计学带来了新的机遇和挑战。本报告从新工科、交叉学科视域下的创意设计研究角度，介绍了团队在数据叙事交互可视化、数字文化创意等方面的理论研究和设计实践。

个人简历： 刘芳，博士，湖南大学教授、“数字文化创意智能设计技术”文化和旅游部重点实验室副主任，CCF计算艺术分会执行委员。本硕博毕业于国防科技大学计算机科学与技术专业，曾任国防科技大学计算机学院副教授、中山大学“百人计划”中青年杰出人才。作为项目负责人主持国家重点研发计划课题、国家自然科学基金、国防预研等，在国际期刊和会议上发表论文90余篇，授权或申请发明专利20余项，多次指导学生获全国和国际设计大奖。研究方向包括文化大数据、数据可视化、智能交互设计等。

报告摘要： 基于数据科学一直以来对科学性、客观性的强调，可视化似乎并不与情感有直接联系。然而，纵观历史上最为声明卓著的可视化设计，以及当下可视化在各个行业的前沿进展，情感都是一个不可忽视的维度，是数据吸引人、连结人、影响人的关键切入点。在本次报告中，讲者将介绍最新研究工作，详细阐述数据可视化与情感的结合背景与研究价值，拓展可视化情感设计在科学研究和大众化应用上的想象力。

个人简历： 蓝星宇，复旦大学新闻学院青年副研究员。主要研究方向为数据叙事、信息设计、人机交互、用户体验等，在IEEE VIS、ACM CHI等CCF-A类国际期刊及会议上发表论文10余篇。曾获中国图象图形学学会自然科学奖二等奖、中国数据内容大赛金奖、中国数据新闻大赛一等奖、中国数字人文开放数据创新研究大赛一等奖等。

报告摘要： AIGC为元宇宙时代的内容生成带来了突破性的生产力，令文化遗迹、非物质文化遗产等文化内容的数字孪生、数字化保护和数字化再现进入新的阶段。新技术更为数字环境下的文化遗迹活态转化、互动与体验带来无限空间，其中的可视化手段、可视化表达方式亦进一步突破了艺术与技术的壁垒，降低了文化遗迹资源在元宇宙虚实空间中的构建成本，并为其视觉化应用性拓展与创意传播打开了新的思路。

个人简历： 李刚，重庆大学艺术学院副教授、硕士研究生导师；文化产业研究博士；美国南加州大学影视艺术学院访问学者、中国高校影视学会数字艺术与动画专委会理事，南京大学长三角文化产业发展研究院研究员，中国图形图像学会会员、重庆市旅游与文化发展委员会入库专家；曾任Adobe创意大学（中国）专委会委员、北京大学生电影节原创影片大赛终评评委等。主要研究方向为文化遗产影像志与人类学动画、数字媒体艺术及体验设计、数字文化产业研究等。主持及参与国家社科基金、省部级社科等各级别科研项目十余项，在CSSCI、EI等高水平核心期刊发表学术论文十余篇，实践作品获得韩国BIEAF、德国iF、意大利A’ Design等国际知名大奖。

报告摘要： AIGC浪潮的深刻影响下，艺术创作的专业壁垒出现松动，创作主体和对象被广泛扩展，这使“人人都是艺术家”成为可能，艺术教育更加普及化，同时呼应了人工智能技术和数字媒体艺术日益融合的现实。发言主要探讨AIGC对艺术创作如艺术品的生成新技术、传播新途径、接收新方式、评价新标准等方面的影响；AIGC推动艺术教育普及化，打破专业壁垒，让更多爱好艺术的普通人也能够参与到艺术创作及创新中。

个人简历： 王彦博，北京师范大学新闻传播学专业博士生、西北师范大学教育技术学院数字媒体艺术系助教，主要研究方向为智能传播、计算传播、用户体验、交互设计等。兰州设计师协会理事，甘肃省新媒体艺术学会智媒设计专业委员会理事。

报告摘要： 沉浸式创作在虚拟现实和混合现实领域有着广泛的应用。具身性是沉浸创作的一大特点。具体来说，具身性可以通过对用户的头部和手部动作进行追踪和反馈，来实现与虚拟场景的互动。结合具身性，可以实现几乎实时的时间、表演的捕捉。现有的沉浸动画创作工具中，不少具备了表演捕捉的功能。这些工具可以通过追踪用户的身体动作，实时记录并生成相应的动画效果，从而实现了人与虚拟场景的实时交互。结合现有的技术手段，这些工具似乎也可以给可视化提供了一些新的可能性。

个人简历： 张俊杰（Jake Zhang) 是一名独立动画导演、编剧及插画师，现香港科技大学计算机媒体艺术实践助理教授，前美国萨凡纳艺术设计学院香港校区动画教授。美国南加州大学电影学院动画艺术硕士，中央美术学院数位媒体学士。他的作品多为黑色幽默风格。 作品入选多个国际电影节及奖项，包括香港第八届动画支援计划金奖(Tier2)、55届安娜堡电影节评审奖、16届达拉斯亚洲电影节短片单元评委奖、Adobe设计成就奖、香港Third Culture 国际电影节观众评选奖、58届美国CINE金鹰奖提名、Vision Feast最佳二维动画、雅典国际动画节优秀动画奖、戛纳Animaze Animation Day、墨尔本国际动画节， 荷兰Klik!国际动画节、First 西宁青年电影节、京都国际大学生电影节、墨西哥Cutout Fest 国际动画节、希腊Be there!Corfu动画节、Animasyros国际动画节等。

报告摘要： 本次报告旨在从人类认知角度分析动态的多模态信息的使用模式及其使用场景，并探讨“动态”可视信息的传播意义及其在元宇宙中的转换可能性。以多模态理论和多媒体信息传播理论为基础，进一步探讨以人为信息载体的多模态信息（文字、人类运动和环境）编排方式和传播效应。

个人简历： 魏莱，香港理工大学设计学院博士在读，重庆第二师范学院讲师，国际手势学会委员。研究方向为教育环境下多模态编排分析，手势设计，虚拟学习，学习认知，动画设计。所发表论文被EI, ACM, Scopus等检索。曾担任设计领域会议IASDR2023及人机交互领域会议DIS2023的审稿人。所创作动画短片多次获得国际动画节奖项。个人主页：https://weilai.media/

报告摘要： 通过科学文献数据分析领域主题的发展态势和其实体的科研影响力和竞争力对科研决策、科技评价和科研合作具有重要的导向作用。可视化作为关键技术之一，已经成为贯穿文献主题分析全流程的重要分析手段。本报告将介绍我们在主题模型可视化调优、文献可视化检索、领域主题态势层次化分析，以及科研实体的影响力、竞争力评估与对比分析等方面相关研究和应用。

个人简历： 单桂华，中科院计算机网络系信息中心，博士生导师，交互式发展部主任，主要研究方向大数据分析、可视化、智能交互等，近年承担国家重点研发计划课题、国家重大科技基础设施项目、中科院重点部署和信息化专项课题及先导子课题等，在国内外可视化领域重要期刊和会议发表学术论文60余篇。曾获部级科技奖一等奖。

报告摘要： 学者影响力量化评估是学术界面临的重要课题。当前主流平台专注于面向学者排名的影响力评估，但难以提供结构化学者画像以支持学术脉络分析、职业发展理解等关键任务。我们提出基于自引图的学者图谱分析框架GeneticFlow，结合导师-学生关系挖掘、引用内容分类、定制化图神经网络，在亿级学者大数据上开展数据挖掘与可视分析。在预测ACM Fellow等高端人才的任务中，GeneticFlow显著优于h-index等传统方法，同时揭示了高影响力学者的典型特征。成果被KDD 2023和 VIS 2023录用。

个人简历： 时磊，北航计算机学院教授。本硕博毕业于清华大学计算机系。研究方向为数据挖掘、数据可视化、人工智能。曾在KDD、VIS、TVCG、TKDE、ICDE等国际顶尖会议及期刊上发表近百余篇研究论文。四次荣获IEEE可视分析大会挑战赛优胜奖及IBM研究机构可视分析贡献奖。2016年入选中国科学院青年创新促进会，2017年入选中国科学院软件研究所杰出青年人才发展专项计划，2019年入选北航青年拔尖人才支持计划，2022年获中国计算机学会技术发明一等奖(排名第二)。

报告摘要： 学术产出与影响常依赖于学术数据的分析，然而使用简单的聚合性指标往往难以全面描述学术数据中的丰富内涵。可视分析通过用户与系统的交互，能从多个角度剖析学术数据，从而挖掘数据中的深层信息。本报告将探讨其中的两个关键问题：如何设计通用的数据操作，利用学术数据中的语义信息，面向不同分析目标重新组织数据及其层次关系；及如何通过简洁统一的界面展示、比较层次数据中的信息，从而回答学术产出与影响评估中的各类问题。

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，中国图象图形学学会可视化与可视分析专业委员会委员。2015年于密歇根理工大学获博士学位，2015至2018年于圣母大学任博士后研究员。其主要研究兴趣为信息论，优化方法，深度学习及交互探索方法在科学可视化上的应用。在可视化领域顶级会议IEEE VIS及期刊TVCG上发表论文10余篇。任IEEE VIS, PacificVis, ChinaVis等会议组织委员会及程序委员会委员，期刊Visual Informatics青年编委。

报告摘要： 为何可视分析论文遭到拒稿？我们针对此问题展开了一项科学学(Science of Science)研究。从一个似乎“tasteless”的问题“为何被拒稿”出发，我们汇总并总结了论文被拒稿的常见原因，并进一步讨论“如何避免被拒稿”。更重要的是，我们深入探讨了可视分析领域的一些核心问题：如何区分可视分析的工程及科研问题？针对特定应用场景开发的系统如何具有普遍意义？如何评估其科研的严谨性和有效性？我们期望这些讨论能为可视分析研究提供新的思考路径和基础。

个人简历： 伍翱宇，哈佛大学博士后研究员，于2022年在香港科技大学取得博士学位并获得计算机科学与工程系最佳博士论文奖。主要从事面向大众的可视化与人机交互的研究，发表CCF-A类论文10余篇。他的研究成果得到了多个工业和学术奖项的认可，包括Hong Kong PhD Fellowship、Microsoft Research PhD Fellowship、Hong Kong ICT Award、Asia-Pacific ICT Award、ACM CHI Honorable Mention，并得到南华早报、大公报、香港中联办等媒体与机构的广泛报道。

报告摘要： 大数据科学与技术强调应用背景。大数据类人才培养更加需要强调产教结合。本次报告将以2011年以来在浙江大学建设可视化课程（入选国家一流线上课程、省一流课程思政课程）、培养可视化人才以及从事可视化科研和社会服务的历程，分享大数据类人才培养的经验和教训，并交流产学研竞训五位一体的人才培养思路。

个人简历： 陈为，浙江大学求是特聘教授，国家高层次人才，浙江大学计算机辅助设计与图形系统全国重点实验室副主任，中国图形图像学学会可视化专委会副主任，中国计算机学会CAD专委会秘书长（2019-2023）。

报告摘要： 将中央美术学院“信息设计—Mapping”课题作为实践案例，介绍课程利用文化地理学为切入点，通过创造性的信息组织原则和视觉结构建构，从而促进对特定场地信息隐藏特征的理解和发掘，认识信息和平面空间形态格局，建立系统分析和视觉思考的意识。

个人简历： 陈慰平，艺术学博士，中央美术学院副教授，硕士生导师，香港北京高校校友联盟副会长，网络科技与智能媒体设计专委会委员。主要负责信息设计、交互设计、字体设计等课程。曾任中央美术学院奥运艺术研究中心艺术总监。主要论文和著作有《消失的边界》《交互设计下的电子游戏》《具有交互行为的动态字体》《基于物联网的交互设计方法研究》《从“怕看不见”到“怕被看得见”界面设计的发展趋势》《构造可控的虚拟世界》等。

报告摘要： 《色彩理论与研究》是一门2学分、32学时的硕士核心课程，其以成果产出为教学设计的导向，启发学生用合理的数据分析手段驱动研究，要求学生充分利用研究结论、产出以色彩为中心的作品。近年的教学实践表明，可视化一方面能够有效辅助色彩数据分析，另一方面也是色彩研究成果转化的重要形式。可视化是色彩分析与呈现的有效手段，色彩研究则是可视化的重要应用领域。色彩研究与可视化之间的互相启发、互相表达是一个值得探究的问题。

个人简历： 北京邮电大学副教授、硕导，北京市重点实验室交互体验设计中心主任，北京市优秀人才培养资助获得者，中国流行色协会优秀科技工作者；获北京市高等教育教学成果二等奖，科技部全国优秀科普读物；主持教育部人文社科基金、国台办项目以及十余项企业项目；出版专著一部，参编部级十四五规划教材两册，翻译信息设计图书三套，发表CSSCI、EI、北大核心论文二十余篇。设计作品服务国家重要活动及雄安新区；指导学生获国内外竞赛奖励百余项。

报告摘要： 报告讲介绍在北京大学面向本科开设的通识课程《可视化看中国》。课程围绕中国历史、文化、现实元素，主要教授用可视化和可视分析的方法来分析数据的理论方法并加以实践。课程联合智能学院、历史、经济、政管、外国语、城环等多个院系教师联合开设。是一个从本科阶段培养学生开展跨学科合作的实验平台，鼓励学生通过课程提升合作能力，培养开展交叉研究的兴趣。

个人简历： 北京大学智能学院研究员/长聘副教授，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。中国图象图形学学会可视化与可视分析专业委员会主任。

发表会议： IEEE VIS 2023

报告摘要： 汉籍不仅承载和弘扬了中国文化，也是世界各国文化交流的见证者。依据现存古籍中的序跋、牌记、藏书印等信息，可以部分推测汉籍流传与递藏的时空轨迹。借助可视化技术，领域专家得以从整体上认知汉籍的流布史，结合时空、收藏者等角度发掘传播特点，并进一步分析其所关联的文化史问题。本报告将分享与汉籍研究专家合作完成的中日汉籍流传可视分析工作，介绍针对不确定流传轨迹的可视化方法，以及面向人文学者的可视分析系统构建。

个人简历： 郭宇涵，2023 年本科毕业于北京大学信息科学技术学院，即将入学北京大学智能学院攻读博士学位，导师为袁晓如研究员。研究兴趣涉及文本可视化、面向数字人文可视化。发表数篇论文于可视化领域 IEEE TVCG, IEEE PacificVis 等期刊会议。

发表会议： IEEE TVCG 2023

报告摘要： 类型识别是天文光谱分析的关键和基础。天文学家通常在自动分类后进行视觉检查，以提高分类准确性。面对庞大的光谱量和当前检查方法的不足，我们提出可视分析系统SpectrumVA，以在提高检查效率的同时保证准确性。在选择阶段，系统通过光谱表征和辅助信息确定感兴趣的光谱并推荐可能的红移和重要谱线。检查阶段采用多种即时视觉反馈来帮助专家确定光谱类型。在推广阶段，系统提供与检查光谱相似的光谱，使检查过程更加流畅。

个人简历： 李金城，北京大学智能学院博士研究生，导师为袁晓如研究员。2018年获中南大学工学学士。研究方向为高维数据可视化、决策相关的可视分析。

发表会议： IEEE VIS 2023

报告摘要： Existing model evaluation tools mainly focus on evaluating classification models, leaving a gap in evaluating more complex models, such as object detection. In this paper, we develop an open-source visual analysis tool, Uni-Evaluator, to support a unified model evaluation for classification, object detection, and instance segmentation in computer vision. Two case studies demonstrate the effectiveness of Uni-Evaluator in evaluating model performance and making informed improvements.

个人简历： 郭玉楷，清华大学软件学院2022级博士生，师从刘世霞教授，研究领域为可视分析。

论文作者： Yuxing Zhou, Weikai Yang, Jiashu Chen, Changjian Chen, Zhiyang Shen, Xiaonan Luo, Lingyun Yu, Shixia Liu

发表会议： IEEE VIS 2023

报告摘要： 网格布局是一种常用的可视化布局方法，其能够高效利用空间并避免元素重叠，方便用户进行数据探索。然而，现有的网格布局方法不能很好地保持数据中的聚类结构。为解决这一问题，我们提出一种面向聚类的网格布局方法，在布局过程中同时考虑相似性、紧凑性和凸性，从而更好地保持聚类结构。我们通过一系列数值实验和两个使用案例，证明了该方法可以有效地优化网格布局并增强用户对聚类结构的感知。

个人简介： 杨维铠，清华大学软件学院2019级博士生，师从刘世霞教授，研究领域为可视分析和训练数据质量提升。个人主页https://vicayang.cc.

论文作者： Yingchaojie Feng, Xingbo Wang, Kam Kwai Wong, Sijia Wang, Yuhong Lu, Minfeng Zhu, Baicheng Wang, and Wei Chen

发表会议： IEEE VIS 2023

报告摘要： Generative text-to-image models have gained popularity for generating high-quality images from text prompts. However, creating effective prompts can be challenging due to its ambiguity and complexity. This study introduces PromptMagician, a visual system that helps users  explore image results and refine prompts. The system employs a prompt recommendation model, which retrieves relevant prompt-image pairs from DiffusionDB, and identifies important keywords for prompt refinement. Both the retrieved images and recommended keywords are visualized in a multi-level visualization and support personalized exploration based on user-defined criteria. Two usage scenarios, a user study and expert interviews validate the effectiveness and usability of PromptMagician.

个人简介： 封颖超杰目前是浙江大学计算机科学与技术学院的博士研究生，他的研究兴趣包括自然语言处理和可视分析。

论文作者： 石洋，陈柄畅，陈颖，金卓宸，徐科，焦晓涵，高天，曹楠

发表会议： IEEE VIS 2023

报告摘要： The exploratory visual analysis (EVA) of time series data uses visualization as the main output medium and input interface for exploring new data. In this work, we present a deep learning (RL)-based system, Visail, which generates EVA sequences to guide the exploration of time series data. As a user uploads a time series dataset, Visail can generate step-by-step EVA suggestions, while each step is visualized as an annotated chart combined with textual descriptions. The RL-based algorithm uses exploratory data analysis knowledge to construct the state and action spaces for the agent to imitate human analysis behaviors in data exploration tasks.

个人简介： 陈柄畅，目前硕士就读于同济大学设计创意学院智能大数据可视化实验室。本科毕业于同济大学软件学院软件工程专业，同济大学优秀毕业生。主要研究方向为时间序列数据的可视分析与数据故事自动生成。

论文作者： Yang Ouyang, Yuchen Wu, He Wang, Chenyang Zhang, Furui Cheng, Lixia Jin, Chang Jiang, Yuanwu Cao, Quan Li

发表会议： IEEE VIS 2023

报告摘要： Simulation-based Medical Education (SBME) is an educational approach in medicine that aims to enhance the diagnostic skills of novice physicians. However, existing approaches focus primarily on operational proficiency and lack instruction in integrated medical diagnosis. In addition, the multimodal nature of medical data poses challenges for learners, who are prone to ignore or over-rely on certain modal data and have difficulty understanding the associations between modalities. To this end, we propose a system that uses historical medical records for multimodal modeling and visualization to enhance the learning experience.

个人简介： 欧阳阳，上海科技大学信息科学与技术学院计算机科学与技术专业的二年级研究生，导师是李权教授。是上科大ViSeer实验室的一员。研究兴趣是大规模医疗数据可视化及可视分析。

论文作者： Yuchen Wu, Yuansong Xu, Shenghan Gao, Xingbo Wang, Wenkai Song, Xiaomeng Fan, Quan Li

发表会议： IEEE VIS 2023

报告摘要： Livestream e-commerce integrates live streaming and online shopping, allowing viewers to make purchases while watching. However, effective marketing strategies remain a challenge due to limited empirical research and subjective biases from the absence of quantitative data. Current tools fail to capture the interdependence between live performances and feedback. This study identified computational features, formulated design requirements, and developed LiveRetro, an interactive visual analytics system. It enables comprehensive retrospective analysis of livestream e-commerce for streamers, viewers, and merchandise. LiveRetro employs enhanced visualization and time-series forecasting models to align performance features and feedback, identifying influences at channel, merchandise, feature, and segment levels.

个人简介： 吴宇辰，上海科技大学信息科学与技术学院一年级研究生， 师从李权教授，为其ViSeer Lab一员。 他的研究兴趣包含人类交流与多模态数据的可视化及可视分析。他的研究旨在利用可视分析的力量来有效地利用和探索人类交流过程中产生的多模态数据。

论文作者： Lixiang Zhao, Tobias Isenberg, Fuqi Xie, Hai-Ning Liang and Lingyun Yu

发表会议： IEEE VIS 2023

报告摘要： We propose three novel spatial data selection techniques for particle data in VR visualization environments. Each technique is designed to be adjusted to particular selection intents: the selection of consecutive dense regions, the selection of filament-like structures, and the selection of clusters—with all of them facilitating post-selection threshold adjustment. These techniques allow users to precisely select those regions of space for further exploration—with simple and approximate 3D pointing, brushing, or drawing input—using flexible point- or path-based input and without being limited by 3D occlusions, non-homogeneous feature density, or complex data shapes.

个人简介： 赵锂想是利物浦大学二年级博士生，由俞凌云副教授指导。他的研究主要集中在沉浸式环境下科学可视化和人机交互的不同方面。重点在于将数据探索过程中用户的交互行为与数据结构相结合，以揭示用户意图。基于用户意图开发更为高效的适用于沉浸式环境的交互技术，帮助用户更好的理解，探索科学数据。

论文作者： Qing Chen, Shixiong Cao, Jiazhe Wang, and Nan Cao

发表会议： IEEE TVCG 2023

报告摘要： 近年来，研究人员为各种叙事可视化体裁和场景提出了不同的设计空间，在本文中，我们根据以前的研究总结了叙事可视化的六种类型，并根据工具的自动化水平总结了四种类型的工具。我们调查了91篇论文和工具，研究了自动化如何逐步参与可视化设计和叙事过程，以帮助用户轻松创建叙事性可视化。本文旨在概述目前在叙事可视化工具的自动化参与方面的研究和发展，讨论每个类别的关键研究问题，提出相关领域的未来研究方向。

个人简介： 曹世雄博士毕业于韩国成均馆大学，现为同济大学智能大数据可视化实验室博士后。他的博士研究方向是基于用户体验的数据新闻叙事可视化。他的研究重点在于如何通过叙事可视化设计来提高用户在不同层面的体验。在韩国留学期间，曹博士在韩国祥明大学学术信息馆办事处担任教学助理，筹备了一系列与学术信息相关的活动。此外，他也担任IEEE Pacific Visualization Symposium和ChinaVis的论文审稿。

论文作者： Qing Chen, Shixiong Cao, Jiazhe Wang, and Nan Cao

发表会议： IEEE VIS 2023

报告摘要： Graph or network data is extensively studied to analyze relationships between entities and groups. Additionally, data facts are crucial in understanding complex data structures, especially in data journalism. However, discovering and organizing graph data facts around meaningful topics is challenging for journalists. To tackle this problem, we introduce Calliope-Net, an automatic system that discovers and organizes facts from network data, creating annotated node-link diagrams. A novel layout algorithm is designed to present meaningful and visually appealing annotated graphs.  Evaluation results demonstrate that Calliope-Net facilitates the discovery and understanding of graph data facts through visually pleasing annotations.

个人简介： 帅薇，本科毕业于江南大学数字媒体技术专业，目前是同济大学智能大数据可视化实验室的研一学生，她的研究方向是智能可视化设计。

论文作者： Huayuan Ye, Chenhui Li, Yang Li, Changbo Wang

发表会议： IEEE VIS 2023

报告摘要： We present InvVis, a new approach for invertible visualization, which is reconstructing or further modifying a visualization from an image. InvVis allows the embedding of a significant amount of data into visualization images. The encoded image is perceptually indistinguishable from the original one. We propose a new method to efficiently express chart data in the form of images. We also outline a deep model to achieve high-quality data concealing and revealing. We explore and implement various application scenarios. Additionally, we conduct a series of experiments and the result demonstrates the great potential of InvVis in invertible visualization.

个人简介： 叶铧远来自华东师范大学计算机科学与技术学院，计算机科学与技术专业在读硕士，研究方向主要是AI4VIS。

论文作者： Sicheng Song,  Juntong Chen,  Chenhui Li,  Changbo Wang

发表会议： ACM CHI 2023

报告摘要： Graphs are common charts used to represent the topological relationship between nodes. It is a powerful tool for data analysis and information retrieval tasks involve asking questions about graphs. In formative study, we found that questions for graphs are not only about the relationship of nodes but also about the properties of graph elements. We propose a pipeline to answer natural language questions about graph visualizations and generate visual answers. A user study demonstrates that these visual and textual answers are useful, credible and transparent.

个人简介： 陈俊潼，华东师范大学一年级硕士生。研究兴趣包括数据可视化、人机交互、可视分析、时空数据分析等。在 TVCG、CHI 上发表论文 2 篇。于 2022 年获华东师范大学学士学位，曾获 Apple WWDC Scholarship、华东师范大学优秀毕业生等荣誉。

论文作者： Sicheng Song, Chenhui Li, Dong Li, Juntong Chen, Changbo Wang

发表会议： IEEE TVCG 2023

报告摘要： DNGs are diverse network graphs with texts and different styles of nodes and edges, including mind maps, modeling graphs, and flowcharts. They are high-level visualizations that are easy for humans to understand but difficult for machines. Inspired by the process of human perception of graphs, we propose a method called GraphDecoder to extract data from raster images. We also provide an interactive interface for users to redesign the DNGs. We verify the effectiveness of our method by evaluations and user studies on datasets collected on the Internet and generated datasets.

个人简介： 宋思程，在读于华东师范大学计算机专业博士研究生，香港科技大学计算机科学与工程系访问学生。主要研究方向为图可视化交互、逆向可视化工程与AI4VIS，相关论文发表于IEEE TVCG，ACM CHI等会议与期刊，任IEEE VIS/TVCG/VR，ACM CHI/CIKM等学术会议期刊审稿人。

报告摘要： Due to its exponential speedup over classical computing, quantum computing has attracted the attention from both industry (e.g., Google and IBM) and academia, and the past decade has witnessed remarkable development in quantum computing. However, existing quantum computers intrinsically suffer from noise and their working mechanism is also complex. It is difficult to develop reliable quantum computing algorithms and understand their underlying working mechanism. In this talk, I will introduce our recent research on developing novel visual analytics techniques to enable noise awareness in quantum computing and facilitate better interpretability of quantum states and quantum circuits.

个人简历： Dr. Yong Wang is a tenure-track assistant professor and Lee Kong Chian Fellow at the School of Computing and Information Systems, Singapore Management University (SMU). His research interests include information visualization, visual analytics and applied machine learning, with a special focus on AI-powered data visualization and visual analytics for FinTech, quantum computing and e-learning. His work has been published at premier venues of visualization and human-computer interaction (e.g., IEEE VIS, IEEE TVCG, ACM CHI and EuroVis) and has received multiple paper awards, including the Best Paper Honorable Mention Award at ACM CHI 2022, Best Paper Honorable Mention Awards at IEEE VIS 2021 and Best Paper Award at ACM IUI 2017. He has served as a program committee for IEEE VIS, EuroVis, PacificVis, CIKM, ACM IUI, ChinaVis, and a reviewer for multiple visualization conferences and journals. Prior to joining SMU, he obtained his Ph.D degree from the Hong Kong University of Science and Techno

报告摘要： The performance of Machine Learning algorithms for some analysis tasks have improved significantly in the last several years, achieving or overtaking human-level of performance. However, there are still many complex tasks, such as those that require domain expertise, that cannot be solved in this way. For these tasks, complementing human experts with machine intelligence can be more effective than full automation. One of such approaches is to use interactive data visualisation to enable the symbiotic collaboration between the two. In this talk I will go through some of my previous data science research projects, how the work evolved towards human-centred data science, and finally some of the ideas I am currently working on.

个人简历： Kai Xu is an Associate Professor in the School of Computer Science at the University of Nottingham, co-director of its visualisation group. University of Nottingham is part of the Russell group, which consists of top UK universities such as Cambridge and Oxford. He has over 20-year experience in data science research, particularly data visualisation, sensemaking, and provenance. He has received funding for 16 research projects with a total project budget exceeding £10 million. In these projects, he worked with domain experts from diverse application domains including medical researchers and arts researchers, developing novel provenance visualization tools to support their work. He has published widely on provenance-related topics and some of the work has received international awards.

报告摘要： 乒乓球是世界上最流行的体育运动之一，有着庞大的群众基础。为了提升球员在比赛中的表现，诸多研究者致力于通过数学模型和计算机技术来解决乒乓球领域的分析问题。然而，现有的分析方法智能化程度低，不仅在分析流程上过度依赖分析师，且对分析问题的建模不够充分，使得分析成本高、分析效率慢、分析结果不全面。本报告将围绕乒乓球数据分析流程中最重要的四个方面：战术挖掘、表现评估、比赛模拟和训练优化，介绍现有的研究成果。

个人简历： 王伽臣博士毕业于浙江大学，即将担任香港科技大学计算机科学与工程系博士后。他的研究方向主要为体育人工智能，即以体育数据为研究对象，结合可视分析、知识挖掘、人机交互、机器学习等技术，支持体育领域的数据采集、战术挖掘、比赛模拟等深度应用。他的工作已被发表在可视化、人机交互以及数据挖掘的顶级会议和期刊，例如IEEE VIS、IEEE TVCG、ACM SIGCHI、ACM SIGKDD、EuroVis、PacificVis等。他的工作曾获得IEEE PacificVis 2021最佳论文提名奖。

报告摘要： 中国曾经是自行车王国，自行车是主要交通工具。现如今，骑行则成为一种低碳、环保的健康生活方式，吸引了诸多旅游和运动爱好者参与，“骑车去旅行”成为旅游业的热点。车轮上的健康生活，也蕴藏着许多不易为人知的信息，本报告以2022年7月西北大学百廿校庆期间组织的“致敬双甲子·重走南迁路”校庆主题自行车骑行活动为背景，讲解如何在骑行活动中通过信息采集，形成完整的、主题式的、有标注的骑行轨迹大数据集，并采用可视分析的方法开展多维骑行轨迹行为分析，辅助实现骑行活动全程科学规划和安全保障。

个人简历： 高原，西北大学经济管理学院教授，博士生导师。中国图象图形学学会可视化与可视分析专委会委员。研究方向为时空大数据分析及预测。主持国家社科基金面上项目、教育部人文社科研究项目、陕西省自然科学基金等多项国家级、省部级科研项目。发表SCI，SSCI，EI及国内学术期刊论文50余篇。研究成果获得陕西省科技进步奖，获“全国百篇优秀管理案例”奖。

报告摘要： 图可视分析技术在蚂蚁集团的多个业务中发挥着举足轻重的作用，本报告介绍图可视分析的多个业务场景应用。以及工程师在满足这些需求和场景的同时，如何提升图产品搭建效能，降低用户门槛。

个人简历： 王妍岩硕士毕业于山东大学，目前是蚂蚁集团前端技术专家。在硕士期间的研究方向主要为图可视化与分析、布局算法等，发表 IEEE VIS 文章 3 篇。目前，在蚂蚁集团负责图可视化与分析的开源引擎 @antv/g6，以及上层产品与相关业务。