[논문 리뷰] Overlap-free Drawing of Generalized Pythagoras Trees for Hierarchy Visualization

Tanja Munz, Michael Burch외 4명|arXiv (Cornell University)|2019. 07. 30.

Data Visualization and Analytics참고 문헌 20인용 수 9

한 줄 요약

이 논문은 일반화된 피타고라스 나무의 시각적 혼잡을 제거하기 위해 원형 배치를 타원형 배치로 대체하여 겹침이 없는 알고리즘을 제안한다. 힘 기반 조정을 통해 반타원의 매개변수를 조절함으로써, 나무의 유기적이고 자가 유사한 외관을 유지하면서도 겹침을 해결하고 가독성을 크게 향상시키며 미학적 요소나 구조를 훼손하지 않는다.

ABSTRACT

Generalized Pythagoras trees were developed for visualizing hierarchical data, producing organic, fractal-like representations. However, the drawback of the original layout algorithm is visual overlap of tree branches. To avoid such overlap, we introduce an adapted drawing algorithm using ellipses instead of circles to recursively place tree nodes representing the subhierarchies. Our technique is demonstrated by resolving overlap in diverse real-world and generated datasets, while comparing the results to the original approach.

연구 동기 및 목표

• 계층적 데이터 시각화에서 가지가 겹쳐 발생하는 시각적 혼잡 문제를 해결함으로써 가독성을 향상시키기 위해.
• 일반화된 피타고라스 나무의 유기적이고 프랙탈 같은 외관을 유지하면서 기하학적 겹침을 제거하기 위해.
• 하위 계층을 축소하거나 요약하지 않고도 계층적 구조와 시각적 관계를 유지하는 방법을 개발하기 위해.
• 대규모 또는 복잡한 데이터 세트에 대해서도 시각적 표현이 확장 가능하고 인지적으로 일관성을 유지할 수 있도록 하기 위해.
• 기본적인 나무 레이아웃 원칙을 변경하지 않고도 겹침이 없는 레이아웃으로 수렴하는 안정적이고 반복적인 알고리즘을 제공하기 위해.

제안 방법

• 반원 위에 배치된 자식 노드의 원형 배치를 반타원의 둘레에 따라 배치하는 것으로 변경하여 형태 변형과 겹침 해결을 가능하게 하기 위해.
• 세 가지 힘 기반 규칙을 적용: 겹치는 노드 간의 반발력, 연결성을 유지하기 위한 유인력, 반타원의 종횡비를 조정하기 위한 탄성력.
• 반타원의 단축축(b)을 반복적으로 조정하여 겹침을 줄이고, 빙글빙글 모양의 겹침이 없는 구성으로 수렴하도록 하기 위해.
• 타원의 매개변수 방정식을 사용하여 노드 위치를 모델링: $ x^2/a^2 + y^2/b^2 = 1 $, 여기서 $ a $와 $ b $는 형태를 제어하는 반축이다.
• 다중 반복을 통해 힘을 시뮬레이션하여 반타원의 곡률을 동적으로 조정하고, 겹침이 감지될 경우 노드를 서로 밀어내기 위해.
• 공간 레이아웃만 수정하면서도 노드의 무게와 계층적 관계를 유지하여 시각적 간섭을 최소화하기 위해.

실험 결과

연구 질문

• RQ1 일반화된 피타고라스 나무에서 발생하는 시각적 겹침을 유기적이고 자가 유사한 외관을 훼손하지 않고 체계적으로 해결할 수 있는가?
• RQ2 원형 배치를 타원형 배치로 대체할 경우 계층적 시각화의 가독성과 미학적 품질에 어떤 영향을 미치는가?
• RQ3 힘 기반 원칙을 얼마나 잘 적응시켜 프랙탈 같은 나무 레이아웃에서 노드 겹침을 해결하고 나무 기하학을 수정할 수 있는가?
• RQ4 기하학적 변형에도 불구하고 알고리즘이 인지적 구조와 계층적 관계를 유지하는가?
• RQ5 알고리즘의 수렴 행동은 어떠한가? 겹침이 없는 상태에 도달하기 위해 일반적으로 몇 번의 반복이 필요한가?

주요 결과

• 제안된 방법은 실제 및 합성 계층적 데이터 세트를 대상으로 테스트한 결과, 데이터 요약이나 노드 크기 감소 없이도 모든 시각적 겹침을 성공적으로 제거하였다.
• 모든 테스트 케이스에서 안정적이고 겹침이 없는 레이아웃으로 수렴하는 것으로 확인되었으며, 깊이 있는, 평평한, 대칭적인, 자가 유사한 계층도 포함된다.
• 가독성이 크게 향상되었으며, 원래 방법에서 겹쳐 보이던 부분 트리가 겹침이 없는 버전에서는 특히 이진 및 깊은 계층에서 명확하게 구분 가능해졌다.
• 미학적 품질은 그대로 유지되었으며, 프랙탈 같은 구조가 그대로 유지되었고, 일관된 국소적 해결 행동 덕분에 부분 트리의 시각적 특징도 대부분 유지되었다.
• 전체 레이아웃 크기에 대한 증가는 미미하여 실무에서 제한 요소가 되지 않을 것이다.
• 수렴을 위한 반복 횟수는 초기에 겹침이 급격히 감소하는 경향을 보이며, 대부분의 겹침을 낮은 계산 비용으로 제거할 수 있는 제한된 반복 수로 해결 가능함을 시사한다.