- 论文:Towards Automated Infographic Design:Deep Learning-based Auto-generation of Extensible Timeline
- 作者:Zhutian Chen, Yun Wang, Qianwen Wang, Yong Wang, and Huamin Qu
- 发表: IEEE Transactions on Visualization and Computer Graphics, VIS 2019
作者
Zhutian Chen
- HKUST,VisLab
- 兴趣:
- 信息可视化
- 增强现实
- 机器学习
动机
Infographic具有美观且传递信息有效的优点,为了方便进行Infographic设计,已经有了一些自动化的设计工具,但尽管借助这些工具,人们仍然需要自己完成大部分的设计工作;
Power Point 和AI中有一些模板可以辅助设计,但是模板风格太单一,缺乏多样性;设计师在网上寻找灵感时找到的大都是图片,如果使用用图片中的风格需要自己进行再设计,过程麻烦且枯燥,这就有了从图片自动生成模板的需求。
时间轴作为Infographic中使用非常广泛的一种,也有上述问题。
相关工作
1. 自动化的可视化设计基于criteria和constraints
(1)专家总结的criteria
今年的暑期学校多次被提过的Jacques Bertin 在Semiology of Graphics [1967] 一书中总结了一系列criterias,如:Visual encoding 包括:Marks(点、线、面)和Channels(marks如何表示,颜色、大小、形状、位置等)。
(2)用户自定义的constraints:soft/hard constraints
Soft: 表示偏好性,eg. 时序数据用x轴表示;
Hard: 必须满足的,eg. 形状不用来表示数量信息。
2.分类:
根据criteria生成的方式可以把自动化可视化设计分为两类:
(1) 基于rules生成的criteria
如开创者 Mackinlay 的APT system,根据Expressiveness(是否将数据里面的全部事实传递出来) 以及 Effectiveness(相比其他的可视化是否更加易于理解)对可视化编码的请求进行排序和修剪。
例如,他根据不同类型的数据设计了一个表达能力的排序供人参考:
J. Mackinlay. Automating the Design of Graphical Presentations of Relational Information. ACM TOG, 5(2):110–141, 1987.
后面也有研究者基于数据的属性、数据的转换等等对方面这些规则做了更多的扩展。
(2) 基于learning生成的criteria
相比基于规则的更复杂一些,直接从可视化语料库中学习可视化设计,根据训练集数据训练出来模型,由输入(数据集)得到输出(可视化结果)。比如Draco就是基于learning做自动化可视化设计的推荐。
D. Moritz, C. Wang, G. L. Nelson, H. Lin, A. M. Smith, B. Howe, and J. Heer. Formalizing Visualization Design Knowledge as Constraints: Actionable and Extensible Models in Draco. IEEE TVCG, 25(1):438–448,2019.
Draco学习soft/hard constraints的权重,以找到最佳的可视化;另一篇论VizML训练了一个全连接的神经网络来基于输入数据预测设计的选择。
**局限性:**这些自动化可视化设计