网格标注：从可视化中众包特定任务的重要性

了解人们在可视化中注视何处是实现有效设计的关键。然而，现有研究主要集中在自由观看下的显著性模型——尽管视觉注意力本质上依赖于任务。收集与任务相关的重要性数据仍然是一项资源密集型的挑战。为了解决这一问题，我们引入了网格标注——一种用于收集特定任务重要性数据以增强显著性预测模型的新型标注方法。网格标注将可视化动态分割为自适应网格，在适应可视化结构的同时实现高效、低成本的标注。我们进行了一项人类受试者研究，在多个指标上将网格标注与现有的标注方法 ImportAnnots 和 BubbleView 进行了比较。结果表明，网格标注产生的数据噪声最小，参与者间一致性最高，且所需参与者数量更少，同时所需的物理操作（如点击/鼠标移动）和认知负荷也更低。交互式演示可在 https://jangsus1.github.io/Grid-Labeling 获取。