特邀嘉宾
特邀讲者：陶钧，中山大学，副教授，可视化与可视分析专委会委员
基于图及优化方法的流场可视化
报告摘要：图与网络常用于表示科学数据之间的内部联系。在流场可视化中，将区域间的粒子运动表示为网络，可以用于辅助并行粒子追踪中的数据划分、负载均衡；此外，图布局算法也可以简要地表示流场结构。然而，现有方法通常只考虑统计得到的一阶依赖关系，因此无法准确描述粒子在流场中的运动；此外，节点-边的图可视化只能表示数据块间的运动，难以描述粒子更长期的运动轨迹。在此报告中，我们将探讨如何结合图与优化方法，从数据依赖关系及可视化表现两个层面刻画流场。
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。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。
特邀讲者：李晨辉，华东师范大学，副教授，可视化与可视分析专委会委员
基于视觉感知编码的信息可视化技术
报告摘要：日新月异的人工智能技术，为信息可视化技术的研究提供了强大动力。本报告将结合三篇VIS会议论文工作，讲述基于视觉感知编码的信息可视化应用技术。第一个工作为DDLVis，该研究提出密度字典学习技术，从时间及空间维度上对时空数据的分布图序列进行快速的低质量损耗的编码及解码，可实现数据的快速可视查询。第二个GenerativeMap，该研究利用对抗生成模型的基本思想，将空间密度图编码到隐空间，实现了对密度图的平滑插值及可视化。第三个是VisCode。该研究基于深度编解码网络，使用可视化图表和二维码作为训练数据，考虑了可视化图像的视觉显著性特征，能支持大规模编码和解码信息，减少由编码引起的显性视觉损失。
个人简介：李晨辉，华东师范大学计算机科学与技术学院副教授，院长助理，硕士生导师，中国图象图形学学会可视化与可视分析专业委员会委员。博士毕业于香港理工大学，专注数据可视化、智能设计研究。已主持国家自然科学基金项目一项、企业智能大数据平台项目3项。近年来在VIS、TVCG、TITS、TMM、TKDD等国际会议及期刊上发表学术论文30余篇，曾获2015年度ICCI*CC认知科学国际会议最佳论文奖，SiggraphAsia2017可视化研讨会最佳论文奖，2020年度上海市科技进步奖特等奖。长期担任十余个计算机国际期刊及会议的审稿人。曾任VINCI2019国际会议本地主席，ChinaVis会议宣传委员会委员。
特邀讲者：成生辉，西湖大学，研究员可视化决策的研究与应用，可视化与可视分析专委会委员
可视化决策的研究与应用
报告摘要：大数据时代，海量数据渗透社会的方方面面，也影响了个人和企业的决策。获取数据更容易了但是利用数据的难度却大大增长，现代决策者面临的挑战远胜以往。如何快速挖掘庞杂数据，做出优质决策成为个人和企业的关键竞争点。更甚者，新冠疫情的爆发，给个人和企业的决策带来更大的挑战，稍有不慎就会面临满盘崩溃的风险。在这个选择大于努力的时代，赢者通吃的效应越发明显。如何从复杂多样的因素中，抽丝剥茧，做出合理的决策呢?本报告从一些实际的案例出发，指出个人和企业在决策中面临的痛点，讲解可视化决策的研究与应用。
个人简介：成生辉，现任西湖大学研究员，智能可视化实验室负责人，中国图象图形学学会可视化与可视分析专业委员会委员。他于纽约州立大学石溪分校获得计算机科学博士学位，并在德国莱比锡大学医学研究所、布鲁克海文国家实验室和美国哈佛医学院进行研究，并担任世界银行（总部）数字经济组和美国医学中心的顾问。他的主要研究为可视化、可视分析等。著有《大数据分析：从理论到实践》，《中国经济大数据分析》和《医疗大数据研究与应用》，入选深圳海外高层次人才。
特邀讲者：马昱欣，南方科技大学，助理教授，可视化与可视分析专委会委员
面向决策支持的可视分析方法
报告摘要：近年来，以机器学习和人工智能为代表的数据分析方法的广泛应用，使得在海
量数据中寻找、洞察和预测个体与群体的行为成为可能，在人类理解社会与世界、优化社会治理等方面提供了新的支撑。然而，自动分析模型的黑盒特性也
严重阻碍了用户对模型机制和预测结果的理解，继而影响决策者对模型的信任度。本报告将从决策支持角度出发，探讨可视分析方法如何辅助决策者构建和优化模型，以及基于模型预测结果进行决策制定。
个人简介：马昱欣，南方科技大学计算机科学与工程系助理教授，中国图象图形学学会可视化与可视分析专业委员会委员。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、美国亚利桑那州立大学VADER实验室博士后，于2021年7月加入南方科技大学计算机科学与工程系任助理教授。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。
特邀讲者：陈晴，同济大学，助理教授，可视化与可视分析专委会委员
智能可视化设计
报告摘要：近年来，智能算法与技术的出现为激发设计师的灵感、提升人机协同创作能力带来了新的契机，同时更多的智能化的可视化工具也为技术人员和可视化初学者提供了更加规范化的设计指导。报告人近年来致力于智能可视化设计的研究，一方面从理论角度研究智能设计的方法，提出了设计空间的概念与模型，指导设计师更加系统化地制作可视化设计；另一方面从技术角度研究智能可视化制作工具，基于可视化设计准则探索如何通过人工智能的相关技术自动完成可视化的数据映射、布局、叙事等一系列关键流程，实现智能可视化领域的图表推荐、生成、纠错、以及优化的目标。这些智能可视化的工作极大的提高了生产效率，为可视化领域的快速发展和应用带来了新的契机。
个人简介：陈晴，同济大学设计创意学院助理教授，硕士生导师，上海市海外高层次计划引进人才，中国图象图形学学会可视化与可视分析专业委员会委员。先后于浙江大学及香港科技大学获本科及博士学位，曾任法国国家信息与自动化研究所INRIA及巴黎综合理工École
Polytechnique博士后研究员，研究方向包括信息可视化、大数据分析、在线教育、智慧医疗及智能设计，国际著名学术会议IEEE VIS/PacificVis学术委员会成员，ACM
CHI/TIST/IUI, IEEE TVCG/VIS/EuroVis/PacificVis/ChinaVis/TLT等期刊及会议论文评审，曾任IEEE VIS分会主席。她曾获香港
ICT最佳创新奖银奖、亚太地区ICT Awards，累计发表十余篇IEEE/ACM
Transaction顶级国际期刊及会议论文，受邀在多个国际会议上发表演讲，主持或作为骨干参与多个国家自然科学基金项目。
特邀讲者：陈思明，复旦大学，青年研究员，可视化与可视分析专委会委员
泛安全可视分析：以自动驾驶与公共安全为例
报告摘要：泛安全问题，指的是涉及到从个人到国家的各个层面，包括民生、经济、政策治理、网络等，与国家人民利益息息相关，其重要性不言而喻。但安全分析具有极大的挑战性，其挑战在于需要从海量非同源的异构数据中找到安全的蛛丝马迹，并且结合专家的知识进行快速响应分析。大数据可视分析技术，可以结合计算机的快速响应能力和专家的知识进行有效地数据分析。本报告以自动驾驶与公共安全两个例子进行分享。自动驾驶是新兴的人工智能技术，如何评估自动驾驶，让其真正进行实地路测，是一个挑战，我们提出了首个基于可视分析技术的自动驾驶可视评估方法，让自动驾驶开发人员理解自动驾驶人工智能模块的各个行为，以保证自动驾驶的安全。在公共安全分析的相关工作中，我们提出了一套数据融合与行为可视分析系统，结合文本、网络、时空、报警日志、刷卡记录等数据，并找到犯罪嫌疑人，支持对用户行为的可视总结与异常检测。
个人简介：陈思明，复旦大学大数据学院青年研究员，复旦大学可视分析与智能决策研究组(FDUVIS)负责人，入选上海市“科技创新行动计划”扬帆人才计划，北京大学博士，中国图象图形学学会可视化与可视分析专业委员会委员。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8次IEEE VAST
Challenge数据挑战赛奖项，以及多个会议最佳论文/海报（提名）奖。
特邀讲者：刘乐，西北工业大学，副教授，可视化与可视分析专委会委员
不确定可视化的认知解读
报告摘要：不确定性必然存在于科学数据分析的各个环节。有效理解数据的不确定性对探索数据背后复杂的自然和科学现象起着至关重要的作用。可视化充分利用人类视觉处理能力，是传递不确定性最有效的方式之一。然而，我们通过实验揭示并证明了当前不确定性可视化设计普遍存在的认知偏差问题，基于此，我们提出一种新的认知概念，我们称之为视觉空间偏差。同时，为了解决这一问题，我们提出一种称为表征隐式不确定性可视化的设计框架。
个人简介：刘乐，西北工业大学计算机学院副教授，于2017年和2012年分别获美国克莱姆森大学计算机博士和硕士学位，后创办人工智能科技公司，于
2020 年加入西北工业大学，中国图象图形学学会可视化与可视分析专业委员会委员。曾参与多项美国国家级科研项目，其中不确定性可视化研究为美国自然科学基金会（NSF
IIS）支持的最高级别项目。研究方向包括可视化、视觉认知、计算机图形学和人工智能等。
特邀讲者：毛雪，中国美术学院，讲师
数智时代下的信息设计与教学
报告摘要：在科艺融合视角下，信息设计已从强调图形叙事与数据可视化的图形设计阶段，转变为由信息数据作为本体的参数化设计与交互体验设计。与此同时，意味着在信息设计的教学过程中，需培养学生的课程能力线与课程工具包都要同时迭代。在信息设计纬度，笔者将分享如何通过数据与可视编程的方式，将音乐与色彩进行通感传达，实现“听得见的色彩与看得见的声音”。并作为实时交互作品，观者可通过改变OSC界面与手动触发等方式进行二次创作，每一位观者可通过对音乐与色彩的同构联觉的真实感受，形成去中心化的音乐可视化的作品。在信息设计教学纬度，培养学生发现问题与收集数据，并通过数据直接生成信息设计，培养其跨学科的能力谱系。
个人简介：毛雪，中国美术学院创新设计学院，产业图景研究所，专业教师，中国图象图形学学会可视化与可视分析专业委员会委员。本科毕业于中国美术学院会展专业，硕士研究生毕业于中国美术学院综合设计专业。2015年交换荷兰威廉德库宁学院，学习视觉传达。博士毕业于中国美术学院。现为中国流行色协会理事。研究致力于公众参与下的城乡社区色彩营造，用色彩语言与品牌创新，融合专业边界，实现造图、造物、造境的系统性设计。作品《数字文创——新疆克孜尔石窟菱格表情》入围浙江省第十四届美术作品展；作品《岛色》、《音色联觉》，荣获Graduate360年度设计100。《感恩亭》参展国际华文设计海报展；多项城市规划设计展览于上海当代艺术博物馆、北京城市规划馆等。
特邀讲者：周亮，北京大学，副研究员，可视化与可视分析专委会委员
健康医疗可视化的机遇与挑战
报告摘要：数据是健康医疗行业的核心，诊疗中各步骤都以数据为依据。由于其重要性，健康医疗领域讲究规范、稳妥，因此多使用成熟的数据处理方法。然而这些成熟方法往往不能很好利用数据，对数据的处理、探索和理解效率不高，消耗大量时间和人力。可视化非常适合健康医疗应用场景，可有效地在以人为中心的基础上改进健康医疗中数据处理和分析的各过程。另一方面，健康医疗领域专业性强，门槛高，从业者日常临床工作负担重，可视化研究者如何与其深入沟通，相互理解是一大难题。本演讲中，我试图通过几个具体案例，分享跨学科交叉研究的心得体会，探讨健康医疗可视化的机遇与挑战，以及使用可视化改进健康医疗实践，实现精准医疗的可能性。
个人简介：周亮，北京大学健康医疗大数据国家研究院，副研究员、助理教授，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。个人研究兴趣包括对基础可视化方法进行扩展、改进,
以视觉感知原理为基础研究新的视觉映射方式和可视化增强方法。致力于在健康医疗领域推广可视化，将视觉感知原理、人机交互与健康医学数据、医学知识进行有机结合，提高临床医学和医学决策效率和准确性。近年来，以第一作者和通讯作者在TVCG，VIS，EuroVis等期刊、会议发表论文十余篇。现担任可视化专委会委员，ChinaVis程序委员会委员，TVCG，VIS，EuroVis等多个期刊和会议审稿人。