面向可视化的生成式人工智能：现状与未来方向
机器学习
2024-04-30 v1 人工智能
人机交互
摘要
生成式人工智能（GenAI）近年来取得了显著进展，并在计算机视觉和计算设计等不同领域的各种生成任务中展现出强大性能。许多研究人员尝试将GenAI集成到可视化框架中，利用其卓越的生成能力。与此同时，近期GenAI的重大突破，如扩散模型和大语言模型，也极大地提升了GenAI4VIS的潜力。从技术角度出发，本文回顾了先前利用GenAI的可视化研究，并讨论了未来研究的挑战与机遇。具体而言，我们涵盖了包括序列、空间、图和生成技术在内的不同类型的GenAI方法在可视化任务中的应用，并将这些任务归纳为四个主要阶段：数据增强、视觉映射生成、风格化和交互。对于每个可视化子任务，我们阐述了典型数据和具体的GenAI算法，旨在深入理解当前GenAI4VIS技术及其局限性。此外，基于该综述，我们讨论了挑战和研究机遇的三个主要方面，包括评估、数据集以及端到端GenAI与生成算法之间的差距。通过总结不同的生成算法、其当前应用和局限性，本文旨在为未来的GenAI4VIS研究提供有价值的见解。
引用
@article{arxiv.2404.18144,
title = {Generative AI for Visualization: State of the Art and Future Directions},
author = {Yilin Ye and Jianing Hao and Yihan Hou and Zhan Wang and Shishi Xiao and Yuyu Luo and Wei Zeng},
journal= {arXiv preprint arXiv:2404.18144},
year = {2024}
}