GAMES Webinar 2023 – 279期(AI-based Visual Analytics) | 夏梦(卡耐基梅隆大学)，骆昱宇(清华大学)
【GAMES Webinar 2023-279期】(可视化专题-AI-based Visual Analytics)
报告嘉宾：夏梦(卡耐基梅隆大学)
报告时间：2023年6月1号星期四晚上20:00-20:50（北京时间）
报告题目：以人为中心的个性化在线学习数据驱动系统
报告摘要：
讲者简介：
夏梦是卡耐基梅隆大学的博士后研究员。她的研究探索了人机交互、数据可视化和教育技术的交叉领域。她目前的研究重点是设计以人为中心的数据驱动的个性化在线学习系统。她在顶级会议上发表了20多篇论文，包括ACM CHI、IEEE VIS和ACM CSCW。她在2022年的CHI会议上获得了最佳论文奖，在2022年的VIS会议上获得了荣誉提名奖，以及在2019年的VIS会议上获得了最佳海报奖。她担任CHI、VIS、CSCW、IUI、LAK等会议的程序委员会成员。在加入CMU之前，她从香港科技大学获得了博士学位，并在韩国科学技术研究院做了博士后研究。
报告嘉宾：骆昱宇(清华大学)
报告时间：2023年6月1号星期四晚上20:50-21:40（北京时间）
报告题目：面向相似性搜索的数据感知的学习型折线图表示
报告摘要：
可视化结果的应用场景越来越广泛，逐渐成为一种新的数据类型。然而，这也带来了一系列的数据管理问题，例如可视化结果的相似性搜索。在探索式数据分析和可视查询系统中，检索相似的折线图是一项常见的任务，如查找股票价格波动的相似趋势。现有的方法通常考虑数据级相似性或图像级相似性。当折线图的原始数据在查询阶段可用时，通过使用DTW等距离函数直接度量数据级相似性，这种方法简单且有效；当原始数据在查询阶段不可用时，可以通过捕捉折线图的图像信息来衡量图像级相似性，这种方法能反映人类视觉感知的相似性，最近受到了学术界的广泛关注。
本次报告将介绍近期发表在SIGMOD 2023的“面向相似性搜索的数据感知的学习型折线图表示”研究工作。该研究工作提出了一种新型的学习框架LineNet，通过融合原始数据和折线图图像，以学习更好的折线图表示进而支持精准的可视化搜索。我们会讨论LineNet的设计思想、训练策略和训练语料库构建，并通过实验展示一些有趣的观察发现。最后，我们将讨论关于学习型可视化表示的未来研究方向和应用前景。
讲者简介：
骆昱宇，清华大学计算系博士，师从李国良教授，研究方向为智能数据管理与可视分析。他已在数据管理和可视化领域的顶级会议和期刊SIGMOD、IEEE VIS、TVCG、VLDB、ICDE、TKDE、The VLDB Journal发表论文20篇，谷歌学术引用700余次。其中，以第一作者发表的论文入选CCF A类会议ICDE 2018高被引论文。研究成果应用于华为、国家电网和字节跳动等企业和新冠肺炎疫情数据的可视分析，被教育部、清华新闻网和光明日报等进行报道。
讲者主页：https://luoyuyu.vip/
主持人简介：
陆旻，深圳大学助理教授，研究方向为数据可视化和人机交互，近年来在可视化、人机交互国际会议IEEE VIS，ACM CHI等发表论文多篇，获ChinaVis 2016最佳海报奖、ICUI 2017最佳论文奖、IEEE PacificVis 2018最佳海报奖、Computational Visual Media 2020最佳论文提名等奖项，担任IEEE PacificVis、ChinaVis等会议程序委员，长期担任IEEE VIS，IEEE TVCG, ACM TIST等审稿人，更多信息请访问个人主页：https://deardeer.github.io/。
GAMES主页的“使用教程”中有 “如何观看GAMES Webinar直播？”及“如何加入GAMES微信群？”的信息；
GAMES主页的“资源分享”有往届的直播讲座的视频及PPT等。
观看直播的链接：http://webinar.games-cn.org
