Nome: Uma abordagem para visualização tridimensional interativa de dados temporais baseada em Atenção Visual e Aprendizado de Máquina

Associação: Visualização de Informação

Atualizado em 28/09/2020

Informações

some text


Em muitas áreas de conhecimento, pessoas lidam com grandes volumes de dados, que são frequentemente analisados sob o aspecto temporal. A visualização de dados temporais apoia processos decisórios e de tomada de decisão favorecendo o entendimento de processos complexos que ocorrem ao longo do tempo. O espaço tridimensional tem potencial para oferecer oportunidades diferenciadas para representar, interpretar e explorar dados temporais por meio de uma interação em tempo real. Ainda assim, a maior parte das abordagens para visualização de dados temporais baseadas em técnicas de Realidade Virtual podem ser consideradas extensões a métodos bem conhecidos no espaço bidimensional. Neste contexto, Atenção Visual e Aprendizado de Máquina também crescem em importância em várias áreas de conhecimento. Enquanto a primeira possibilita que cenas visuais complexas sejam exploradas, a segunda tem contribuído com avanços significativos em diferentes áreas de conhecimento, sendo extensivamente usada na área de Visualização de Informação para apoiar a mineração de dados e o processamento de imagens. Conforme mencionado, o uso da Realidade Virtual não é algo novo na visualização de dados temporais; entretanto, há uma lacuna por iniciativas que combinem o uso da Realidade Virtual com Atenção Visual e Aprendizado de Máquina para melhorar a visualização deste tipo de dado. O presente trabalho propõe uma abordagem baseada em Realidade Virtual combinando conceitos de Atenção Visual e métodos de Aprendizado de Máquina baseado em regras, chamada 3D BlockARL, para apoiar a visualização interativa de dados temporais. A principal contribuição está no aprendizado das preferências dos usuários por meio de métodos de Aprendizado de Máquina para construir um ambiente tridimensional interativo para visualização de dados temporais, projetado com o apoio de conceitos de Atenção Visual, apoiando o desenvolvimento de visualizações mais personalizadas capazes de abrir novas possibilidades de representação e exploração de dados temporais no espaço tridimensional. Os resultados foram analisados sob a perspectiva da acurácia, eficácia e usabilidade para validar a abordagem proposta e comparar os resultados com a abordagem atualmente em uso em um parceiro de pesquisa do presente trabalho. Além da boa aceitação pelos usuários, a abordagem proposta também demonstrou resultados promissores confirmando o potencial de apoiar o desenvolvimento de visualizações a partir das preferências aprendidas dos usuários, contribuindo com a área de Engenharia de Computação ao combinar relevantes áreas de conhecimento na criação de uma visualização tridimensional para dados temporais de maneira personalizada.

Palavras-Chave: Visualização de Informação; Dados Temporais; Atenção Visual; Aprendizado baseado em regras; Realidade Virtual.

Cooperação:


  • Silva, L. S., Nunes, F. L. S., Nakamura, R. (2019). Visualização 3D interativa de dados médicos temporais baseada em modelo de atenção visual. Comunicações Em Informática, 3(2), 9-12. https://doi.org/10.22478/ufpb.2595-0622.2019v3n2.49464.
  • L. S. Silva, R. V. Aranha, M. A. d. O. Ribeiro, R. Nakamura and F. L. S. Nunes, "Exploring Visual Attention and Machine Learning in 3D Visualization of Medical Temporal Data," 2020 IEEE 33rd International Symposium on Computer-Based Medical Systems (CBMS), Rochester, MN, USA, 2020, pp. 146-151, https://doi.org/10.1109/CBMS49503.2020.00035.
  • L. S. Silva, R. Nakamura and F. L. S. Nunes, "Machine Learning in Information Visualization: Using Rule-based Learning Algorithms to Personalize Interfaces," 2020 International Conference on Systems, Signals and Image Processing (IWSSIP), Niterói, Brazil, 2020, pp. 179-184, https://doi.org/10.1109/IWSSIP48289.2020.9145098.
  • L. S. Silva, R. V. Aranha, M. A. d. O. Ribeiro, R. Nakamura and F. L. S. Nunes, "3D visualization of temporal data: exploring Visual Attention and Machine Learning" . To appear in SVR2020 - The Symposium on Virtual and Augmented Reality (SVR). Porto de Galinhas-PE/Brasil.


Membros