📠

ML4VIZ : 시각화를 위한 머신러닝 연구 동향

성균관대 조재민 교수님의 정보시각화(Information Visualization) 수업 Slide를 바탕으로 정리한 내용입니다.
ML4VIZ는 시각화 시스템을 향상시키기 위해 머신 러닝을 도입하는 것에 대한 연구이다.

Vis-Driven Data Processing

데이터 시각화 파이프라인에서 가장 첫 단계에 Data-cleaning (21세기 디지털 노가다)를 수행한다. 시각화를 이용하면 이를 조금 더 쉽게 수행할 수 있다.

Trifacta

Interactive Cleaning for Progressive Visualization

질문을 통한 Interactive Data Cleaning System

Data Presentation

데이터의 특성과 Visual Channel을 연결해야 한다. 보통 사람이 디자인 한다.

Data2Vis

머신러닝 기반의 시각화 추천 시스템이다.
주어진 데이터셋에서 자동으로 시각화를 만들어내는 Translation Model이다. VegaLite를 LSTM 모델로 학습하여 생성한다.
VegaLite : 시각화를 위한 데이터의 문법

VizML

Plotly를 통해서 얻은 엄청나게 많은 양의 데이터 시각화 Set들을 FC NN으로 학습하여 시각화를 만들어내는 모델이다.
Feature extraction을 통해 얻어낸 Design Choices를 학습하는 방식이다.

Insight Communication

시각화된 데이터를 바탕으로 효과적으로 커뮤니케이션 할 수 있음

Text-to-Viz

텍스트를 인포그래픽으로 변환해주는 것
Tokenization, Featurziation
CNN과 CRF를 통해 구현 (800개의 Annotated statements가 존재)

DataShot

표 형식의 데이터에서 Infographic fact sheet를 자동으로 생성

Style Imitation

사람이 하는 것과 비슷하게 디자인, 스타일을 따라하게 하는 것

Color Crafter

색 조합 자동으로 만들어주는 기술

Color Retargetting

Vis Interaction

시각화 Interaction을 향상시키기 위해 ML 모델이 사용됨.
Refine interaction results
Predict next
step interactions
Understanding natural interactions
Learning about users

Follow the Clicks

사용자의 Mouse Interaction을 학습하여 다음 Interaction을 예상

ShapeSearch

Vis Perception

시각화된 자료를 더 잘 이해하고 대용량의 시각화에 대한 분석을 가능하게 함.

DVQA

시각화된 데이터를 질문을 통해 이해할 수 있도록 함

AutoCaption

자동으로 설명을 달아줌