“ 今天阅读VIS 2019 多尺度可视化领域的一篇论文，题目是《Pattern-Driven Navigation in 2D Multiscale Visualizations with Scalable Insets》，作者是哈佛大学工程与应用科学学院的Fritz Lekschas、Michael Behrisch 和Hanspeter Pfister，爱丁堡大学的Benjamin Bach，以及哈佛医学院的Peter Kerpedjiev 和 Nils Gehlenborg。”
1 简介
在多尺度可视化中，通常具有很多稀疏分布的注释模式，这种情况下的可视化探索具有挑战性，因为可视化描述会随着缩放级别的变化而变化，缩放过程中会丢失上下文和导航提示，并且导航非常耗时。
本文提出了可扩展插图，一种交互式探索和导航技术，用于带有大量注释模式的多尺度可视化，例如千兆像素图像、矩阵或地图。当注释模式太小而无法识别时，该技术使用插图进行放大，即注释模式的缩略图。
插图支持用户搜索、比较和上下文模式，同时减少所需的导航量。它们被动态放置在视口内或沿视口边界，以在局部性和上下文保留之间提供折衷。带注释的模式按位置和类型交互地聚类。它们在视觉上表示为聚合插图，以在单个视口内提供可扩展的探索。
相关工作包括平移与缩放、高亮、聚合与简化、概览+细节、焦点+上下文、上下文中的细节、标签布局等。
2 设计与实现
2.1 可扩展插图概览
细节、上下文、局部区域三者之间的动态平衡。
2.2 可扩展插图技术
包括插图和引导线设计、插图布局、聚合、插图交互等。
2.3 实现
为了演示可扩展插图的实用性，构建了一个web原型系统，数据包括十亿像素级图像、地理地图和基因组交互矩阵。可扩展插图是HiGlass的一个扩展，HiGlass是一个用于大规模瓦片数据集的开源Web浏览器。可扩展插图是用JavaScript实现的，集成到React应用程序框架中。D3用于数据映射，在WebGL中使用PixiJS渲染矩阵。可扩展插图使用HTML和CSS来对插图和引线进行定位和样式设置。几乎所有参数都可以通过JSON配置文件进行自定义，否则可以使用合理的默认值。 实现插图所需要的提取、聚合、图像服务等服务器端应用程序是在Python中实现的，并基于Django 构建。前后端应用程序都是开源的，可以从https://github.com/flekschas/higlass-scalable-insets 免费获得。
2.4 评估
在一项由18名参与者参加的受控用户研究中发现，可扩展的插图可以加快可视化搜索速度，并提高模式比较的准确性，但与基线技术相比，其代价是频率估算速度较慢。由基因组学领域的6位专家进行的第二项研究表明，可扩展插图易于学习，并提供了可扩展插图如何在开放式数据探索方案中应用的初步见解。
3 结果呈现
可扩展插图应用于各类网络。注释模式用红色高亮表示。
可扩展插图方法的演示。说明支持多尺度的模式驱动探索与导航。
更多数据可视化技术相关文章，欢迎关注微信公众号【数据印像】。