2D,2.5D,还是3D?这是一个很好的选择. 在虚拟现实中对多层网络可视化进行探索性研究
IEEE transactions on visualization and computer graphics
|October 26, 2023
概括
在2D,2.5D或3D中可视化多层网络 (MLN) 不提供单一的最佳布局. 有效的可视化取决于特定的网络分析任务,指导MLN表示的实际建议.
科学领域:
- 网络科学 网络科学
- 信息可视化 信息可视化
- 人与计算机的交互
背景情况:
- 多层网络 (MLN) 使用相互连接的层来建模复杂的关系数据.
- 这些层的视觉布局显著影响网络可读性,这一领域需要进一步研究.
- 更高维度的安排 (超出2D) 是常见的,并且可能从立体显示器中受益.
研究的目的:
- 研究不同视觉布局 (2D,2.5D,3D) 对多层网络可读性的影响.
- 在一系列网络分析任务中评估性能,从路径查找到模式识别.
- 为有效的MLN可视化策略提供基于经验的建议.
主要方法:
- 使用虚拟现实耳机进行了一项人类受试者研究.
- 参与者在2D,2.5D和3D形式的MLN上执行了六个不同的网络分析任务.
- 分析了任务性能和用户体验,以评估每个安排的有效性.
主要成果:
- 对于所有多层网络分析任务,没有单一的布局 (2D,2.5D或3D) 证明是普遍优越的.
- 性能因正在执行的特定任务而有很大差异.
- 该研究确定了不同维度安排的特定任务优势.
结论:
- 多层网络的最佳可视化取决于任务.
- 经验证据支持将层次安排定制为特定的分析目标.
- 在MLN分析中提供了有效使用2D,2.5D和3D安排的建议.
相关概念视频
01:15Depth Perception and Spatial Vision
Depth perception is the ability to perceive objects three-dimensionally. It relies on two types of cues: binocular and monocular. Binocular cues depend on the combination of images from both eyes and how the eyes work together. Since the eyes are in slightly different positions, each eye captures a slightly different image. This disparity between images, known as binocular disparity, helps the brain interpret depth. When the brain compares these images, it determines the distance to an object.
01:28Three-Dimensional Microscopy in Microbiology
Three-dimensional imaging techniques are essential in cell biology, allowing researchers to visualize intricate cellular structures with high resolution. Two prominent methods, Differential Interference Contrast Microscopy (DIC) and Confocal Scanning Laser Microscopy (CSLM), provide distinct advantages for imaging live and thick specimens, respectively.Differential Interference Contrast MicroscopyDIC microscopy enhances contrast in transparent, unstained samples by converting phase...