论文学习：Towards Automated Infographic Design：Deep Learning-based Auto-generation of Extensible Timeline

• 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