利用众包配对比较学习自动化图表布局配置
人机交互
2021-01-12 v1 图形学
摘要
我们提出了一种通过从人类偏好中学习来自动化图表布局参数配置的方法。现有的图表工具通常使用预定义的启发式方法确定布局参数，产生次优的布局。人们可以反复调整多个参数（例如图表尺寸、间距）以获得视觉上令人愉悦的布局。然而，这种试错过程缺乏系统性且耗时，且无法保证改善效果。为解决此问题，我们开发了 Layout Quality Quantifier (LQ2)，一种从配对众包数据中学习为图表布局打分的机器学习模型。结合优化技术，LQ2 推荐可提升图表布局质量的布局参数。我们将 LQ2 应用于条形图，并通过考察其生成布局的质量进行用户研究以评估其有效性。结果表明，LQ2 能生成比普通用户和基线方法更具视觉吸引力的布局。本工作展示了量化人类偏好与图表布局美学特征的可行性与用途。
引用
@article{arxiv.2101.03680,
title = {Learning to Automate Chart Layout Configurations Using Crowdsourced Paired Comparison},
author = {Aoyu Wu and Liwenhan Xie and Bongshin Lee and Yun Wang and Weiwei Cui and Huamin Qu},
journal= {arXiv preprint arXiv:2101.03680},
year = {2021}
}
备注
Accepted at ACM CHI 2021