PatternSight：用于图表中图形模式感知分组有效性评估的方法
人机交互
2025-07-18 v1
摘要
可视化生成工具的兴起显著降低了图表制作的门槛。然而，缺乏感知理论理解的图表作者可能会在评估图表表示的有效性时遇到困难，从而难以确定合适的图表设计来传达预期的数据模式。为此，我们提出了一种感知仿真模型，可通过预测图表观众可能注意到的图形模式来评估图表的感知有效性。该感知仿真模型将感知理论整合到图表元素的视觉特征提取中，以提供可解释的模型输出。人类感知结果证明，我们的模型结果能够模拟大多数图表观众的感知分组行为，并覆盖多样化的感知结果。我们还将该模型嵌入一种原型界面，称为 PatternSight，以帮助图表作者评估图表设计是否满足其模式表示要求，并确定可行的视觉设计改进。根据用户实验结果，PatternSight 能有效地帮助图表作者优化图表设计，以更好地表示数据模式。
引用
@article{arxiv.2507.12749,
title = {PatternSight: A Perceptual Grouping Effectiveness Assessment Approach for Graphical Patterns in Charts},
author = {Xumeng Wang and Xiangxuan Zhang and Zhiqi Gao and Shuangcheng Jiao and Yuxin Ma},
journal= {arXiv preprint arXiv:2507.12749},
year = {2025}
}