前沿进展：可视化与自然语言处理交叉研究（袁晓如）
近年来有越来越多的工作专注于AI与可视化的结合，如可解释机器学习及自动化可视化等方向。来自北京大学的袁晓如研究员主要从可视化与自然语言处理结合的角度梳理了相关的工作。其中包括IEEE VIS 2019的最佳论文FlowSence, 提出了自然语言支持的数据流的可视化构建过程，并支持基于模板的规则匹配。其它相关工作包含利用自然语言进行可视化查询及可视化描述生成。
来自中山大学的陶钧副教授总结了科学可视化与深度学习相结合的相关工作。具体而言，共有三种可以结合的方式。其中第一种方式是在不改变输入输出的情况下替换现有的计算方法，利用深度学习的方法解决原有问题。该方面的工作集中在超分辨率、流场计算、流线重构等应用中，且主要利用深度网络端对端的特性来学习输入与输出的复杂变换，通常采用GAN的架构进行学习。第二种方式可以产生原有计算方法无法生成的结果，相比于第一种方式是更为复杂的端对端的学习模式。该方式意图捕捉参数与输出之间的联系，主要任务依然是数据或图像生成，但此时输入信息与输出之间严重不对等。最后一种方式主要意图利用深度学习网络中学到的信息，如通过自编码器对数据进行编码从而学习数据之间的关联。最后陶钧老师总结了未来可以探索的方向，包括如何在更多类型的数据之间建立联系，如何将人的领域知识嵌入到深度学习模型中，如何探索深度学习模型学习到的信息。
来自微软研究院的王韵研究员介绍了近年来利用人工智能辅助可视化设计的相关工作，主要介绍了三个方面的任务：可视化生成、数据叙事及可视化交互。对于可视化生成，现有工作包括利用深度学习生成可视化代码（如Vis2Code）、可视化自动推荐（如DeepEye及VizML）及带有约束的可视化生成（如Draco及DziBan）。对于可视叙事，现有工作集中在如何自动生成信息图表（如Text-to-Viz、DataShot），如何提取可视化结构生成可视化模板以方便重新利用可视化（如Retrieve-then-Adapt）及可视化图片描述的生成。最后一部分研究自然语言技术支持的交互及其它多模态交互，以及图表问答。
来自浙江大学的巫英才教授总结了沉浸式可视化的相关工作。可视化是通过交互进行推理分析的科学，现有的大多数可视化以键盘鼠标为交互设备，而随着沉浸式设备的普及就使得沉浸式可视化从科幻走向了现实。沉浸式可视化将交互从二维界面扩展到了三维世界，使得用户的交互变得更为自然，这种可视化方式可以为用户带来新的与众不同的“渲染感”与“参与感”。最后巫老师从三个方面介绍了渲染式可视化的研究内容：沉浸式感知与可视化、沉浸式交互的设计及沉浸式可视化创作工具。
来自同济大学的曹楠教授总结了近年来异常检测与可视分析交叉的相关工作。异常检测是数据挖掘中的经典任务，其试图挖掘出在其它数据中所不同的模式。异常检测主要有三个挑战。其一是异常检测的定义十分多元，在不同领域及场景中有不同的定义，其二是异常检测通常需要标签数据，然而在真实场景中这种数据非常稀疏，最后是其面临着可解释的问题，而可视化可以很好地解决这三个问题。接着，曹老师将现有的工作根据用户行为、数据类型、异常检测技术、可视技术及交互技术进行了分类。其中用户行为是指异常检测应用的场景，如社交媒体中的用户之间的交互及交易行为。数据类型包括文本、网络、时空数据及高维数据。异常检测技术有基于分类、聚类及信息论等的方法。可视化技术包括序列可视化、图可视化、文本可视化等。交互技术包括监测追踪、浏览、模式分析、知识外化与精炼等。最后，曹老师总结了该领域可能的研究机会，如现有工作缺少关于协同行为及文本数据异常检测的研究，除此之外，如何为模型提供反馈以进行模型精炼是未来的研究热点。
来自天津大学的毕重科副教授概览了2017-2019三年的大规模科学科学可视化的相关工作。科学工程及模拟计算会生成大规模的科学数据，利用可视化及可视分析的技术可以从中得到数据及模型的知识与结论，以辅助假设验证。毕老师从并行计算、深度学习增强的科学可视化、参数空间探索、流可视化及可视化评估等方向进行了快速浏览。最后毕老师总结了未来大规模科学数据可视化的研究方向，包括原位可视化与可视分析的结合、面向可视化任务的稀疏数据管理办法、可视化并行性能的提高、可视化表达与展示的探索、复杂科学数据语义理解的增强技术及与人工智能的结合。
来自复旦大学的陈思明副教授总结了社交媒体可视化的工作，可以根据社交媒体中的数据对象（地理时空数据、网络数据及文本数据）将可视化技术进行分类，其中结合地理时空数据的工作研究基于地理空间的信息传播、包含时空分布的社会事件及人群移动轨迹分析，该部分的研究挑战在于如何从整体模式探究个体模式以及如何从多维数据中提炼出故事类叙事。而结合网络数据的社交网络可视化关注于社交群体的活动行为模式的探索与预测性分析，如语义地图可视化（D-Map+，E-Map及R-Map）及多视图的可视化探索（WeSeer及SocialBubble），该部分的挑战在于时变动态网络的语义理解与探索。关于与文本相关结合的工作重点介绍了文本流数据对比的可视化Co-Bridges技术。最后陈老师认为社交媒体可视分析依然方兴未艾，未来可以探索的方向包括动态网络与语义特征的探索、交互式语义探索及对社交媒体的故事叙述。
最后来自中南大学的赵颖副教授分享了其在可视化竞赛多年来的经验。赵颖老师首先总结了国内外知名的可视化竞赛，包括VAST Challenge、ChinaVis挑战赛、阿里天池大数据可视化竞赛、数据新闻竞赛、Tableau可视化比赛、科学可视化竞赛等。接着赵颖老师介绍了ChinaVis挑战赛的发展情况，自2015年至2020年，共有2570人报名参赛，及616个作品提交。其中大部分参与者是本科生，反映了可视化比赛已经融入了本科教学。其次，赵颖老师介绍了ChinaVis挑战赛的出题方式，包括真实场景题目（如2016年黑客邮件数据、2017年伪基站数据及黑网吧数据、2019年周杰伦演唱会附近的交通轨迹数据）、仿真场景题目（如2018年内部安全威胁数据、2019年会场人员的流动数据）及开放式题目（如2020年的疫情分析题目）。同时，ChinaVis挑战赛数据依然被广泛下载使用，且挑战赛获奖率逐年下降，表明ChinaVis挑战赛的质量正逐年提升，最后欢迎大家多多参与ChinaVis挑战赛。
原标题：《可视化发展年度报告 | ChinaVIS 2020特别专题》
