Special Issue on PacificVis 2020 Workshop on
Visualization Meets AI
資料視覺化通常涉及到模型的設計， 由於設計最佳化的空間巨大，無論是新手還是專家都需要付出很大的努力才能從資料中獲得所需的視覺化結果。隨著近年來人工智慧技術的興起，越來越多的研究運用AI來進行資料的轉換，輔助生成視覺化結果，實現成本和質量之間的平衡。而運用視覺化技術增強AI則是另一個活躍的研究領域。
為此，Visual Informatics 和PacificVis 2020 Workshop on Visualization Meets AI合作，聘請研討會主席Kwan-Liu Ma, Han-WeiShen 擔任客座編輯，從會議報告的論文中選擇了6篇視覺化與AI的交叉研究論文，組成這一期“視覺化遇上人工智慧”專輯。
Token-wise sentiment decomposition for ConvNet:Visualizing a sentiment classifier
面向ConvNet的詞語級情感分解：情感分類器的視覺化
本文提出了一種視覺化技術，可用於理解基於文字的CNN模型的內部工作過程，還展示瞭如何使用此方法生成對抗性示例並找到訓練資料的不足之處。
作者：Piyush Chawla, Subhashis Hazarika, Han-Wei Shen
Comparative visual analytics for assessing medical recordswith sequence embedding
藉助於序列嵌入實現相似患者病歷的比較式可視分析
本文開發了一個可視分析系統來支援對病歷的比較研究。為了便於比較不同長度的序列，他們的系統採用了序列對齊方法。透過互動介面，使用者可以快速找到感興趣的患者，並方便地檢視其病歷的時間和多變數方面的資訊。本文使用加州大學戴維斯分校新生兒重症監護病房的真實資料集作為研究案例，證明了他們的設計和系統的有效性。
作者：Rongchen Guo，Takanori Fujiwara, Yiran Li, Kelly M. Lima， Soman Sen, Nam K. Tran, Kwan-Liu Ma
Visual exploration of latent space for
traditional Chinese music
對中國傳統音樂潛在空間的可視探索
本文提出了一個可視分析系統，利用自動編碼器來支援對中國傳統音樂的分析和探索。從一組預先錄製的音訊中構造了一個標記資料集，然後將它們轉換為聲譜圖。系統採用由兩個深度學習模型（一個全連線的自動編碼器和一個長短時記憶（LSTM）的自動編碼器）學到的音樂特徵作為輸入。透過互動選擇、相似度計算、聚類和聆聽，證明了編碼資料的潛在表示使該系統能夠識別出基本的音樂元素，從而為將來對中國音樂進行進一步分析和檢索奠定了基礎。
作者： Jingyi Shen, Runqi Wang, Han-Wei Shen
Toward automatic comparison of visualization techniques:Application to graph visualization
對視覺化技術進行自動比較：在圖視覺化中的應用
本文提供了我們所進行的用以評估使用者和計算機視覺技術兩者表現關聯程度的兩個實驗的結果。這項研究對兩種主流的圖視覺化技術：結點連結圖（NL）和鄰接矩陣圖（AM）進行了比較。利用兩個眾所周知的深度卷積神經網路，部分重現了Ghoniem、Okoe等人的使用者評估。這些實驗表明，部分使用者評估結果是可以自動重現的。
作者： L. Giovannangeli, R. Bourqui, R. Giot, D. Auber
CECAV-DNN: Collective Ensemble Comparison andVisualizationusing Deep Neural Networks
CECAV-DNN：使用深度神經網路進行
集合比較和視覺化
本文提出了一種深度學習方法以集合方式比較兩組或多組資料，其中每一組都是模擬的輸出結果。集合式比較的目的是透過比較成組的模擬結果來幫助科學家理解模擬模型之間的差異。然而，由於成組模擬結果的時空分佈位於一個非常高維的空間中，因此以集合方式進行比較並非易事。為此，我們選擇訓練一個深度判別神經網路，來測量兩組給定結果之間的差異，並識別出兩組輸出資料在什麼時間和什麼位置不同。我們還設計、開發了一個視覺化系統，以幫助使用者理解判別網路給出的成組比較結果，並透過兩項實際應用驗證了本文方法的有效性，這兩項應用包括對用於氣候研究的社群大氣模型（CAM）和麵向普通迴圈模型的快速輻射傳輸模型（RRTMG）的成組結果比較，以及對不同的空間解析度下的計算流體動力學（CFD）計算結果進行成組比較。
作者：Wenbin He, Junpeng Wang, Hanqi Guo, Han-Wei Shen, Tom Peterka
A visual analytics system for multi-model comparison on clinicaldata predictions
對用於臨床資料預測的多個模型進行
比較的可視分析系統
本文開發了一個可視分析系統，用來對多個模型的預測標準進行比較並評估它們的一致性。透過該系統，使用者可以領會不同模型的內部標準以及每個模型對特定患者預測結果的可依賴性。透過對一個公開的臨床資料集的案例研究，證明了本可視分析系統可有效地幫助臨床醫生和研究人員對不同機器學習方法進行比較和定量評估。