面向散点图可视化的感知感知抽样
人机交互
2025-06-04 v3 数据库
摘要
数据可视化通常是数据分析工作流程中的关键第一步，但日益增长的数据规模因计算和视觉感知限制而提出挑战。因此，数据分析师常会对数据进行抽样并使用子集进行工作。但从代表性样本中提取样本仍然是一个挑战。本文聚焦于散点图这一广泛使用的数据可视化类型，提出一种新型抽样目标——感知感知，旨在通过针对人类对可视化的感知来提高样本效能。我们的主要贡献包括：（1）我们提出感知增强数据库，设计 PAwS：一种针对散点图的感知感知抽样方法，利用 saliency 图预测可视化中注意力聚焦区域，并通过 saliency、密度和覆盖等目标建模感知感知。（2）我们设计了 ApproPAwS：一种快速的感知感知近似可视化方法，利用小视觉扰动通常不被人类察觉的事实。（3）我们提出以感知相似性作为样本质量的度量指标，并 presented a novel method to compare saliency maps for measuring it。（4）我们的广泛实验评估表明，我们的方法在产生高感知相似性样本方面 consistently 优于 prior art，而 ApproPAwS 在视觉保真度损失最小的情况下实现了最高可达 100 倍的加速。我们的 user study 显示，PAwS 常被人类偏好，验证了我们的量化发现。
关键词
引用
@article{arxiv.2504.20369,
title = {Perception-aware Sampling for Scatterplot Visualizations},
author = {Zafeiria Moumoulidou and Hamza Elhamdadi and Ke Yang and Subrata Mitra and Cindy Xiong Bearfield and Alexandra Meliou},
journal= {arXiv preprint arXiv:2504.20369},
year = {2025}
}