imash の日記

imash's blog

アメリカ往復中に見た映画

シカゴ経由でボルチモアに行ったわけですが、今回は行きも帰りも飛行機で仕事していたのであまり映画を見ていない。行はANA運行だったのでただでプレミアムエコノミーにしてくれたのですが、帰りはユナイテッドの運行なのでお金払ってプレミアムエコノミーにアップグレードした。おかげで作業に集中できた。

行:成田→シカゴ

  • スタートレック・ビヨンド:シリーズ最新作。息つく暇もなく、面白い。
  • インデペンデンス・デイ・リサージェンス:途中ほとんど寝てた。つまらないと感じてたのは寝てたせい?
  • グランド・イリュージョン 見破られたトリック:予想外に面白かった。途中寝てしまったのでとびとび。今度第一作を見てみよう。
  • 奇跡がくれた公式:最後がハッピーエンドではないけど、みなが理解しあえて終わった。

帰:シカゴ→成田

  • Borm to be Blue:暴漢に殴られけがで吹けなくなった白人トランぺッターが、黒人の恋人に支えられ復活するまでの話。復活はしたものの。。。多分結構有名なトランぺッターの実話に基づいた話。マイルスも出てくる。主人公が歌い吹く「マイ・ファニー・バレンタイン」は絶品。このレビューが詳しい。

    イーサン・ホーク主演『ブルーに生まれついて/Born To Be Blue』レビュー

  • パープルレイン:プリンスの有名な映画。初めて見た。といってもBGMとして聞いていただけなのでストーリーは全く理解していない。
  • 殿、利息でござる:これ、おもしろいよ。
  • ちはやふる:面白かった。続編も見たい。原作を読んでいないのが良かったのかな?映画を見終わったら漫画も読もう。

VIS2016 6日目

VIS2016もいよいよ最終日です。午前中の1セッションと、 Capstoneと呼ばれるキーノート、そしてクロージングです。引き続きセッションの簡単なまとめ。

#紹介というよりも忘備録に近いです。聞いた内容だけから書いているので勘違いしてる部分もかなりあると思うので、適時修正していきます。あまりにも分からなかったりつまらなかったのはカットしています。

 

VAST:Time-Series Data

=ViDX: Visual Diagnostics of Assembly Line Performance in Smart Factories

実際の工場の製品の流れの管理データを鉄道のダイアグラム風(このダイアグラム自体はよく知っていたのですが、E.J.Mareyという人が1880年代に考案したものというのは初めて知りました。これからはMarey's graphと呼んだりしてみます)に可視化して異常な状態を探索可能にするViDXを開発。実際の工場のデータでVisual Analytics システムを作った最初のシステムと言っている。キーワードは Smart Factoryとかindustry 4.0。

f:id:imashimash:20161101030115p:plainf:id:imashimash:20161101030146p:plain

=Shape Grammar Extraction for Efficient Query-by-Sketch Pattern Matching in Long Time Series

時系列データの検索クエリをスケッチで定義するという話。そのためのShape Grammerを定義し、13の基本要素を用いて時系列を正規表現で表すことでマッチングを行う。13の基本要素は曲がり方とかの程度によってさらに4つ(基本要素ごとに数は違うかも)に分けている。データにはスムージングを施す。スムージングの回数によって結果の粒度も異なってくる。

f:id:imashimash:20161101033346p:plainf:id:imashimash:20161101033809p:plain

=The Semantics of Sketch: A Visual Query System for Time Series Data

 引き続き時系列データの検索クエリをスケッチでという話。何をもって似ているかというのはいろいろな考え方があるので様々なアルゴリズム(MSE, Hough Voting, Dynamic Time Warping)を使えるようにしたという話? ちょっときちんと理解できなかった。

f:id:imashimash:20161101034851p:plain

 

VIS Capstone

VISのCapstoneはいつも少し違ったジャンルの人をよんで講演してもらっているのですが、ことしは"The three laws of communication"というタイトルでJean-luc Doumontさんという人。人にメッセージを伝えるための心がけの話。学部生の人とか聞いたら勉強になるかな。以下の著者の本。

まとめページを作りました:VIS2016 CAPSTONE "The three laws of communication" by Jean-luc Doumont まとめ - Togetterまとめ

 

VIS Closing

最終的な参加者数は1070人だったらしいです(聞き逃した)。VIS2017は10月1日~6日までPheoenixです(くそ暑いという噂)。

f:id:imashimash:20161101041918p:plain

 

おまけ

昼飯は明日帰る組人たちでマーケットに行ってきました。Kwan-LiuがここのCrab Cakeは一番うまいから絶対行けとF先生に奨めていたらしい。ライトレールで二駅なのですが、途中から明らかに雰囲気悪くて、一人ではとてもいけないです。マーケットの中は普通の雰囲気ですが周辺はちょっと。。。

f:id:imashimash:20161101042144p:plainf:id:imashimash:20161101042824p:plainf:id:imashimash:20161101042934p:plain

晩飯はF先生が初日にいってめちゃくちゃ旨かったからもう一度行こうということでブラジルの肉料理の店。串焼きの肉が次々ときてそこから肉をそぎ落としていく、それが食い放題。やばいです。というか途中で具合悪くなります。あと、ブラジルのビールがやたら旨かった。この店はもっと元気な時に行きたかった!!

f:id:imashimash:20161101043305p:plainf:id:imashimash:20161101043331p:plainf:id:imashimash:20161101043449p:plain

 

VIS2016 5日目 後編

本会議3日目に見たセッションの簡単なまとめ。後半戦。

#聞いた内容だけから書いているので勘違いしてる部分もかなりあると思うので、適時修正していきます。あまりにも分からなかったりつまらなかったのはカットしています。

InfoVis:Time Series

=Visplause: Visual Data Quality Assessment of Many Time Series Using Plausibility Checks

大量の時系列データのクオリティチェック(ゼロが続く、値の欠落、異常値等)。

f:id:imashimash:20161103200341p:plain

=Surprise! Bayesian Weighting for De-Biasing Thematic Maps

ヒートマップで重要なところをハイライトして、そうでもないところは印象を弱めたい。Beyesian Sueprise という指標を提案。

f:id:imashimash:20161103200952p:plainf:id:imashimash:20161103201008p:plainf:id:imashimash:20161103200744p:plain

=Multi-Granular Trend Detection for Time-Series Analysis

大量の時系列におけるトレンドを抽出し可視化。トラジェクトリをグループ化(サイズ、距離、長さを利用)し可視化する。セレクションのUIが地味に便利。

f:id:imashimash:20161103201340p:plainf:id:imashimash:20161103201706p:plainf:id:imashimash:20161103201851p:plain

=ThermalPlot: Visualizing Multi-Attribute Time-Series Data Using a Thermal Metaphor

分からんかった。

f:id:imashimash:20161103202219p:plain

=The Connected Scatterplot for Presenting Paired Time Series

 XとYの2値からなる時系列を散布図で表現。動きのパターンでトレンドが分かる。

f:id:imashimash:20161103202426p:plainf:id:imashimash:20161103202541p:plainf:id:imashimash:20161103202559p:plain

f:id:imashimash:20161103202648p:plain

 

InfoVis:Scalable Algorithms

大分力尽きています。。。

=Hashedcubes: Simple, Low Memory, Real-Time Visual Exploration of Big Data

超大規模データ可視化でインタラクティブなデータアクセスをするための手法としてimMensとかNanocubesとかが代表的なものとしてあげられるが、さらに高速で低メモリな多次元時空間データに対応したインデクシング手法Hashedcubesを提案。

f:id:imashimash:20161103203221p:plainf:id:imashimash:20161103203406p:plain

=Gaussian Cubes: Real-Time Modeling for Visual Exploration of Large Multidimensional Datasets

目的は上の論文と同じ。ちょっとよくわかんなかった。

f:id:imashimash:20161103203932p:plain

=An Enhanced Visualization Process Model for Incremental Visualization

大量のプロットを一気にやると時間がかかるので、少しずつデータを取得しながら描画していくincrementalな手法が結構前からいろいろ提案されているのだが、そのフレームワークを整理し実装した感じの話だと解釈。かなりいろいろ整理されてサーベイされていそう。

f:id:imashimash:20161103204343p:plain

=Dealing with Multiple Requirements in Geometric Arrangements

f:id:imashimash:20161103204845p:plainf:id:imashimash:20161103205106p:plain

=cite2vec: Citation-Driven Document Exploration via Word Embeddings

f:id:imashimash:20161103205238p:plain

おまけ:

晩飯はいつもの店で一人飲み^^; メキシコ料理らしいのだが想像していたのと全然違うものが出てきた。

f:id:imashimash:20161103205556p:plainf:id:imashimash:20161103205636p:plain

VIS2016 5日目 前編

本会議3日目に見たセッションの簡単なまとめ。まずは前半戦。

#聞いた内容だけから書いているので勘違いしてる部分もかなりあると思うので、適時修正していきます。あまりにも分からなかったりつまらなかったのはカットしています。

InfoVis:Storytelling / Presentation

=Iterating Between Tools to Create and Edit Visualizations

D3などの可視化ツールとイラストレータなどのようなドローイングツールの間で行ったり来たりできるブリッジとなるHANPUKUというツールを開発。そうすると、D3でまず可視化したものをイラレで色を付けたりタイトル挿入して、それを反映したD3の可視化結果ができる。さらにそのタイトルと色付きの可視化をD3でソートするとか表現方法を変更するとかできてしまう。こんなこと出来るんだとびっくりした。

f:id:imashimash:20161028175347p:plain

 

=Data-Driven Guides: Supporting Expressive Design for Information Graphics

ドローイングツールで作ったインフォグラフィクスっぽい可視化を簡単に作れるようにしよう、というお話。データからガイドとなる簡単な可視化を生成して、それの上で1つテンプレートとなる絵を書くとあとはコピーが生成される。昔Memeラボでこの手の可視化テンプレートを作るネタはやっていたなー。

f:id:imashimash:20161028181006p:plainf:id:imashimash:20161028181021p:plain

=Authoring Data-Driven Videos with DataClips

 可視化を使って説明するときにGapMinderのようにアニメーションを使って語るというのはSegal&Heerが2010年に発表した可視化によるstorytellingの分類論文にも一つのジャンルとしてあげられていた。で、いろいろなアニメーションパターンのテンプレートを用意して、そういうstorytelling可視化を容易に作れるようにした、というお話。なんだけど、例えばバーチャートで最終的な高さまでにょきにょきと順番に伸びていくとか、そんな事例が多くて、正直、Segal&Heerの論文で言っているのはそういう話ではないのでは?と思った。

f:id:imashimash:20161028181721p:plain

=Temporal Summary Images: An Approach to Narrative Visualization via Interactive Annotation Generation and Placement

 時系列データからいい感じのタイミングでスナップショットを取って、重要なタイミングのアノテーションを生成して、ほどよい場所にアノテーションを配置する、という話。Kwan-Liuのグループの研究。

f:id:imashimash:20161028182538p:plain

=Colorgorical: Creating discriminable and preferable color palettes for information visualization

カテゴリーのカラーパレットを生成する話。よく使われているColorBrewerとかと比較をしている。

f:id:imashimash:20161028183150p:plain

 

VAST:Complementing Visual and Algorithmic Analysis

=AxiSketcher: Interactive Nonlinear Axis Mapping of Visualizations through User Drawings

散布図にアイテムが自分の好みの順番になるような適当な線(自由な線でもいいし、ワイン、チーズ、マフィンと順番にアイテムを選択してもよい)を引いて、それを新たな軸とした散布図を生成する。そうすると一つの属性にマップされているわけでなく複数の属性からなるわけだが、軸上の任意の位置における任意の属性値を任意の値に変更できる。

f:id:imashimash:20161028184629p:plainf:id:imashimash:20161028184817p:plain

=Visual Interaction with Dimensionality Reduction: A Structured Literature Analysis

 次元削減を用いた可視化に関してインタラクティブな操作という観点から整理した論文。ダグストゥール会議から生まれた論文らしい。解析パイプラインの整理とインタラクションシナリオの分類を行った。上記シナリオに基づいて大量の論文の分類をしているので、サーベイ論文としての価値が高いです。 

f:id:imashimash:20161028185522p:plainf:id:imashimash:20161028185633p:plain

=VisFlow - Web-based Visualization Framework for Tabular Data with a Subset Flow Model

 可視化のフローを可視化画面とフィルタリング機能とかを連結して生成する話。この手の話はMemeLabでもずっとやっていたし、有名どころではTavernaとかがあるのだけど、Tavernaと比較するとインタラクティブ性が高くてダイナミッククエリができるというところが違うと言っている。でもぶち君や私のシステムでもそれはできたがな。ただ、フローを生成するFlowモードと見せたいところだけをCMVで見せるVisモードがあるのはかなり良い改良点だと思った。

f:id:imashimash:20161028190559p:plainf:id:imashimash:20161028190641p:plain

 

おまけ:

昼飯は昨日と同じ店でステーキ。 とことんワンパターン。

f:id:imashimash:20161028191013p:plain

VIS2016 4日目 後編

VIS2016、4日目、本会議二日目に見たセッションの忘備録的まとめ。後編です。

InfoVis Papers:Graphs

=Probabilistic Graph Layout for Uncertain Network Visualization

 (ノードや)エッジ(どうもエッジだけな気がしてきた)におけるUncertainty(例えば、交差点間の混雑具合は時間帯によって違ったりする)に対する新しい表現手法の提案。与えられた確率分布からノードの位置をモンテカルロサンプリングで決めたグラフをたくさん生成し、それぞれForceDirectedレイアウトし、重ね合わせる。結果を見ると表示されたノードが分裂してしまっているのでなんか誤解しそう。

f:id:imashimash:20161103155558p:plainf:id:imashimash:20161103160606p:plain

=Towards Unambiguous Edge Bundling: Investigating Confluent
Drawings for Network Visualization

 Edge Bundlingをすると、合流点で行き先が混乱する、という問題を解決する方法、Confluence Drawingの考案。

f:id:imashimash:20161103161506p:plainf:id:imashimash:20161103161556p:plain

=CUBu: Universal real-time bundling for large graphs

 GPU(CUDA)を用いた高速でスケーラブルなRealtime bundling手法を提案。

f:id:imashimash:20161103162103p:plain

=Visualizing Dynamic Hierarchies in Graph Sequences

エッジとともにノード間の階層が時間とともに変化するグラフの可視化手法の提案。階層構造をマトリックス表現の横にひっつける。時間ごとに並べて階層間の類似度でエッジを張る。

f:id:imashimash:20161103162454p:plainf:id:imashimash:20161103162753p:plain

VIS Poster

ポスターセッションはそんなに見ていないですが、一つだけとても興味があったものを。

複数のタブレット、携帯端末を用いてCMVを実現するというもの。

f:id:imashimash:20161103164415p:plain

おまけ:

バンケットでもひたすらビール。今回バンケットに全く期待していなかったのですが、クラブケーキ、サーモン、リゾット、サラダどれも大変おいしかったです。

f:id:imashimash:20161028173331p:plainf:id:imashimash:20161028173425p:plain

VIS2016 4日目 前編

本会議二日目に見たセッションの簡単なまとめ。まずは前半戦。

#聞いた内容だけから書いているので勘違いしてる部分もかなりあると思うので、適時修正していきます。あまりにも分からなかったりつまらなかったのはカットしています。

VAST:Textual Data

=NameClarifier: A Visual Analytics System for Author Name Disambiguation

 論文とかで同じ名前の人がたくさんいるので区別がつかない。それを共著者情報、トピック、所属、登校時間情報などを使って視覚的に探索する。すべて自動でやるとブラックボックスなのをの分かりやすくしたいと。正直なんでそんなことしたいのかも結果もよくわからなかっ(具体的なところがよく分からなかった)た。

f:id:imashimash:20161027184303p:plain

=TopicLens: Efficient Multi-Level Visual Topic Exploration of Large-Scale Document Collections

クラスタリング結果の散布図で選択範囲に関して更に動的にクラスタリングして高速にレイアウトしなおして選択範囲の詳細情報を探索できるようにした。マジックレンズの発展形。まず、Hirerarchical NMFをベースに動的クラスタリングを行うようにしたDynamic H-NMF(DH-NMF)という手法を提案。さらに、選択範囲の元々のレイアウトを生かしてずれが少なくなるようにした、t-SNEベースのGuided Approximate t-SNEというレイアウト手法を提案。

f:id:imashimash:20161027184517p:plain

=TextTile: An Interactive Visualization Tool for Seamless Exploratory Analysis of Structured Data and Unstructured Text

 構造化されたデータ(例えばレビューのレーティングとか)と非構造化データであるテキストデータ(例えばレビューの文章)を両方使って情報比較を行う可視化システムを提案。例えば、医者に低い点を与える時にどんな不満をいっているのか、とかそんなのを調べたい。らしい。

f:id:imashimash:20161027191103p:plain

=DocuCompass: Effective Exploration of Document Landscapes

 散布図とかで選択範囲のラベル情報を周辺にレイアウトするというマジックレンズ+ラベルレイアウトのシステムは昔からずいぶんあるのだけど、このシステムでは複数選択して比較できる、他の可視化手法をひっつけられる、さらに各ラベルの横にヒストグラムとかを追加でSmall multipleっぽく表示できる(Small multipleって言ってたけどどちらかというとSparklineだよな)。

f:id:imashimash:20161027201010p:plainf:id:imashimash:20161027201115p:plain

=Online Visual Analytics of Text Streams

テキストストリームから新たに流れてくるテキスト(たぶんニュース記事かな?)をその場でクラスタリングしながらトピックの進化を可視化していく。表現手法としてはThemaRiver+Sedimentation。 Shixia Liuさんのグループらしい研究。

f:id:imashimash:20161027202205p:plain

 

CG&A:Visualization Systems & Applications

IEEE Computer Graphics and Applications という論文誌からセレクトされた論文の発表セッション。CG&Aは年に6冊出ていて、そのうち2回が可視化の特集号になるらしい。TVCGに比べるとだいぶん採録はされやすいのでねらい目という話し。

=Key-Node-Separated Graph Clustering and Layouts for Human Relationship Graph Visualization

お茶大伊藤先生の発表。グラフ可視化するときにオーソリティノードに注目したくてもそういうノードは大抵その他大勢のなかに埋もれている。そこでオーソリティだけのクラスタを作って、その他大勢は別途クラスタリングする。そうするとオーソリティがどのクラスタとつながっているのか(その逆も)よくわかる。

f:id:imashimash:20161027203941p:plain

=Visualizing Rank Time Series of Wikipedia Top Viewed Pages

 Wikipediaでよく見られているページのランキング変遷を可視化するWikiTopReader。表現手法として3つ提案している。1.普通のノードで表現するGeneral Timeline、2.前後5日の変遷を表すSparklineをノードに埋め込む、3.前後のランク情報をノードに表現するBadge。

f:id:imashimash:20161027205210p:plainf:id:imashimash:20161027205226p:plainf:id:imashimash:20161027205244p:plain

=A Decision Support System for Planning Sustainable Water Distribution Systems

 水道施設の状態とその変化を可視化。

f:id:imashimash:20161027205819p:plain

 

おまけ:

昼飯:ステーキ@KONA GRILL

f:id:imashimash:20161027210107p:plain

VIS2016 3日目 後編

VIS2016本会議初日、後編です。

#紹介というよりも忘備録に近いです。聞いた内容だけから書いているので勘違いしてる部分もかなりあると思うので、適時修正していきます。あまりにも分からなかったりつまらなかったのはカットしています。

VAST:Traffic and Urban Planning

=SmartAdP: Visual Analytics of Large-scale Taxi Trajectories for Selecting Billboard Locations

広告看板をどこにいつ出すのが合理的か、タクシーのログ(交通量、速度、OD、周辺環境)から探索する。ちょっとなんだろう的な論文。細かいところは分からなかった。あと、可視化の解釈もちょっと難しい。最近の流行りとして円の中にいろいろ詰め込もうとするの、止めてほしい。

f:id:imashimash:20161103031824p:plain

=SemanticTraj: A New Approach to Interacting with Massive Taxi Trajectories

タクシー経路情報を誰でも使えるように、テキスト検索可能にする。そのために経路情報にキーワードとかを割り当ててテキスト化する。例えば、「○○から○○にいくのにほげほげ通りを通ってほげほげの前を通って早い経路」とか(適当に書いたけどホントか?)で検索できる。携帯とかで何かを調べることが当たり前の時代なので、こういう流れがあちこちで出てきているようだ。

f:id:imashimash:20161103033226p:plain

=Embedding Spatio-temporal Information into Maps by Route-Zooming

1.地図に道路の情報を入れたいけど狭い、2.道路に方向を持つ時系列情報を表示したい、3.時系列情報可視化を地図に埋め込むにはどのような表現(LineChartやStackedGraph)がよいのか。という問題に取り組む論文。選択されたルートをデフォーム(ズーミング)する(周辺の道路はコンテキスト)。

f:id:imashimash:20161103034121p:plainf:id:imashimash:20161103034200p:plain

=Vis-A-Ware: Integrating Spatial and Non-Spatial Visualization for Visibility-Aware Urban Planning

3D地図とかで景観を損なわない、見栄えの良い感じでビル配置したい、というときどんなビルを配置すればよいのか、場所とビルの組み合わせでVisual Impactを評価する。例えばいろんな場所からみてランドマークが隠れてしまわないように、とか、空が見えるようにとか。その為に4つの評価指標。

f:id:imashimash:20161103035506p:plainf:id:imashimash:20161103035332p:plain

 

InfoVis:Immersive Analytics

=Immersive Collaborative Analysis of Network Connectivity: CAVE-style or Head-Mounted Display?

複数人で探索をするときはCAVE2とHMDのどちらが良いのか?3Dネットワークの探索タスクで調査。HMD側の環境はOculus+Unity+LeapMotionで構築。

f:id:imashimash:20161103053708p:plainf:id:imashimash:20161103053812p:plain

=Investigating the Use of a Dynamic Physical Bar Chart for Data Exploration and Presentation

Phical Bar Chat(100本のピンと周辺のタッチスクリーンからなる)で可視化の操作(スクロール、ハイライトとかとか)を行うことのユーザビリティ調査。

f:id:imashimash:20161103054133p:plain

=Embedded Data Representations

可視化の内容というのは場所、人、対象によって変化する。それを表現するのに様々な方法が考えられる。AR的に表現するのか物理空間に投影するのか、など様々な観点から考察・分類し、事例を紹介。この論文は今後リファーされまくると思う。

f:id:imashimash:20161103055044p:plainf:id:imashimash:20161103055204p:plain

=A Study of Layout, Rendering, and Interaction Methods for Immersive Graph Visualization

Immersiveな空間でグラフを表現するための新しい手法の提案。表面にノードを張り付けて奥行き方向にエッジを配置(Depth Routing)、さらにエッジバンドリングしたものをレンダリングで影をつけて見やすくする。選択したノードは手前に寄ってくることで拡大して見れる。なんかすごく不思議なアイデア

f:id:imashimash:20161103060046p:plain

 

InfoVis:Geovisualization

午後のセッションも後半になると時差ボケのせいで意識が飛びまくります。集中できてないのでほとんど聞き取れていない。なのでこのセッションかなり理解できていない。論文読めば面白いはず。

=Quantifying the Visual Impact of Classification Boundaries in Choropleth Maps

多変量マップをよりよく理解するためのクラスタリング閾値について(なんかよくわからなかったけど論文読めばよい)。

f:id:imashimash:20161103064951p:plain

=Small Multiples with Gaps

地図の多変量データを見る時に領域で区切ってSmall multipleで見ることがあるが、グリッドに切るときの実際の姿とのGAP(位置、形状、連結性)を評価?(これも実際の論文のアブストくらい読んだ方がいいな)

f:id:imashimash:20161103070013p:plain

=Map LineUps: effects of spatial structure on graphical inference

分かりやすいというのは地理的に正しく配置することなのか?、ということを Spatial autocorrelationという指標から評価。(全然違うかも)

f:id:imashimash:20161103070906p:plainf:id:imashimash:20161103070624p:plain

=Visual Encoding of Dissimilarity Data via Topology-Preserving Map Deformation

地図中に地図のコンテキストを維持したままDisimilarityグラフをMDSで表示する。そうすると実際の位置関係が入れ替わる可能性がある。実際の位置をできるだけ維持したMDSの結果にしたい。そのバランスを取る手法の提案。 

f:id:imashimash:20161103072000p:plain