主要包括两方面内容：

一是关键帧的自动补全。

这主要是为了解决在构建关键帧的过程中，一些过小或与其他重叠的图元导致选择过程十分困难且错误率较高的问题。

CAST的做法是在用户选择少量图元之后，根据视觉通道的感知有效性，对已选和未选图元所对应的数据属性编码的视觉通道进行对比。

之后根据编码感知有效性最高的通道的数据属性（如相比使用颜色，用位置信息所编码的数据属性更容易被人发现和观察），对未选图元进行分组和筛选并反馈给用户，如下所示。

二是动画序列推荐补全。

在用户完成少量关键帧的构建后（如完成第一帧后），CAST依旧是会依据视觉通道的感知有效性原则，根据用户已经创建的关键帧中的图元，对全部的图元进行分组以创建后序的关键帧。

并依据数据属性各种可能的排列组合顺序生成可能的关键帧序列。

之后对比序列内容找到关键帧差异位点，反馈给用户进行选择，以确认最终用户所预期的动画序列。

在上面这个示意图中，预期动画为颜色相同的点簇按照先行后列的方式进行动画。

用户在创建完第一个关键帧之后，仅需通过两次关键帧的选择（第二帧和第三帧）系统便可确定唯一的动画序列进行自动补全。

至此，第一个专门为可视化动画而研究和设计的系统就暂时完成了。

在被问及到未来还会对Canis/Canis做什么更新或改进时，葛博士表示，可以添加gif导出功能，来进一步提升实用性。

另外，对于Canis而言，考虑将其扩展为一个通用性更强的插件库，使其能够嵌入任何常见的可视化创作语言中，完成可视化与动画的创作过程的融合；

对于CAST则是考虑通过嵌入预处理模块，将其与图形化的可视化构建工具进行对接或融合以达到相同的目的。

作者介绍

葛彤，即将从山东大学博士毕业，为Canis&CAST这两篇论文的一作；

导师为陈宝权（北京大学教授，前沿计算研究中心执行主任，IEEE Fellow）和汪云海（山东大学计算机学院教授）。

之所以选择数据可视化作为研究方向，葛博士表示：

一方面是平时比较喜欢去写一些能够解决工作或者生活中的实际问题的小程序；另一方面是爱好画画和做设计。

在了解数据可视化的过程中，会被那种严谨的美感所吸引，同时它又在数据分析的过程中扮演着越来越重要的角色，切实的解决着我们身边的问题。

而除了他的两位导师，还有很多研究人员对Canis&CAST的完成作出了贡献：

比如微软雷德蒙研究院的研究员Bongshin Lee，她是人机交互和可视化领域有影响力的专家；

还有山东大学的Zhao Yue，加州大学圣巴巴拉分校博士毕业的Ren Donghao等人。

最后，葛彤表示，Canis/CAST是一个开源项目，希望有更多的人加入进来，把这个做的越来越完善，在各个领域的应用中产生影响。

在线平台：

— 完 —

量子位 QbitAI · 头条号签约

文章来源：《电脑编程技巧与维护》 网址: http://www.dnbcjqywh.cn/zonghexinwen/2021/0912/1272.html