视觉编码与感知
视觉编码是将数据映射到视觉属性,例如位置、长度、颜色和形状,其有效性取决于人类视觉系统如何感知这些属性。
用 PaperMind 寻找选题即将推出Find papers & topics
Tools & resources
Learn & explore
视频即将推出
Definition
视觉编码是将数据变量分配给图形标记的视觉通道,例如点、线和区域的位置、长度、面积、颜色或形状;感知研究确定了哪些通道最准确地传达了哪种类型的数据。
Scope
本主题涵盖数据属性如何编码为视觉标记和通道,以及为什么某些编码比其他编码读取更准确。它包括通道有效性排名、前注意处理和颜色使用的原则,以及选择编码的感知基础。它不包括在静态编码之上分层的交互技术(单独处理),也不包括可视化分析的更高级分析工作流程。
Core questions
- 哪些视觉通道最准确地读取定量数据?
- 前注意处理如何让某些特征瞬间突出?
- 颜色应如何用于编码分类数据和有序数据?
- 编码选择如何进行排名甚至自动化?
Key concepts
- 标记和通道
- 位置、长度、面积、颜色编码
- 图形感知排名
- 前注意处理
- 色阶(分类、顺序、发散)
- 表达性和有效性
- 格式塔分组
- 感知准确性
Key theories
- 图形感知排名
- Cleveland和McGill通过实验对基本感知任务的准确性进行了排名,发现沿共同尺度的位置最准确,而面积、颜色和角度则不那么准确,这为选择编码提供了经验基础。
- 通道表达性和有效性
- Mackinlay形式化了表达性(编码数据中的所有事实且仅编码这些事实)和有效性(使用人们易于读取的通道),这些原则后来被组织成标记-通道框架,用于将数据类型与合适的编码进行匹配。
- 感知设计
- 可视化设计基于人类视觉的机制,包括前注意特征、颜色感知和工作记忆的限制,这些机制决定了什么可以快速看到以及什么会导致混淆。
Clinical relevance
选择感知有效的编码可以使图表和仪表板阅读更快、更准确,并且更不容易误导;这在数据为决策提供信息的所有领域都很重要,包括科学报告、商业分析和统计数据的公共传播。
History
Cleveland和McGill于1984年进行的实验将图形感知置于经验基础之上。Mackinlay在1986年的工作形式化了表达性和有效性,并自动化了演示设计。后来的著作,特别是Ware和Munzner的著作,将感知科学综合为设计指导,构成了现代可视化工具的基础。
Key figures
- William S. Cleveland
- Robert McGill
- Jock D. Mackinlay
- Colin Ware
Related topics
Seminal works
- cleveland1984
- mackinlay1986
- ware2020
Frequently asked questions
- 为什么位置比颜色更适合编码数量?
- 图形感知实验表明,人们对沿共同尺度的位置判断非常准确,而对颜色值和面积的估计则不那么精确。因此,为了显示精确的数量,基于位置的编码(如条形长度或点位置)通常优于基于颜色的编码。
- 可视化中的前注意处理是什么?
- 前注意处理是视觉系统在集中注意力之前,几乎瞬间并行地检测某些特征的能力,例如蓝色点中唯一的红色点。设计者利用它来使重要项目突出,但它仅适用于有限的、少量使用的特征。