[논문 리뷰] Survey on Artificial Intelligence Approaches for Visualization Data.

Aoyu Wu, Yun Wang외 6명|arXiv (Cornell University)|2021. 02. 02.

Data Visualization and Analytics참고 문헌 114인용 수 16

한 줄 요약

이 종합 검토는 시각화를 일급 데이터 포맷으로 체계화하고 정보 시각화 및 시각적 분석 분야에서 시각화 데이터에 적용된 인공지능 기법을 검토한다. 연구는 '무엇' 시각화 데이터인지, '왜' 및 '어떻게' 인공지능을 적용할 것인지에 초점을 맞추어 분류 체계를 제안하며, 핵심 작업과 인공지능 접근 방식을 규명하여 향후 데이터 기반 시각화 연구의 기반을 마련한다.

ABSTRACT

Visualizations themselves have become a data format. Akin to other data formats such as text and images, visualizations are increasingly created, stored, shared, and (re-)used with artificial intelligence (AI) techniques. In this survey, we probe the underlying vision of formalizing visualizations as an emerging data format and review the recent advance in applying AI techniques to visualization data. We define visualization data as the digital representations of visualizations in computers and focus on visualizations in information visualization and visual analytic. We build our survey upon a corpus spanning ten different fields in computer science with an eye toward identifying important common interests. Our resulting taxonomy is organized around WHAT is visualization data and its representation, WHY and HOW to apply AI to visualization data. We highlight a set of common tasks that researchers apply to the visualization data and present a detailed discussion of AI approaches developed to accomplish those tasks. Drawing upon our literature review, we discuss several important research questions surrounding the management and exploitation of visualization data, as well as the role of AI in support of those processes. We make the list of surveyed papers and related material available online at this http URL.

연구 동기 및 목표

• 시각화 데이터를 텍스트와 이미지와 동일한 공식적인 데이터 포맷으로 정립하기 위해.
• 인공지능과 시각화 데이터와 관련된 열 가지 컴퓨터 과학 분야 간의 공통 연구 관심사를 규명하기 위해.
• 시각화 데이터의 '무엇'(WHAT), '왜'(WHY), '어떻게'(HOW)에 기반해 인공지능 응용을 체계화하는 분류 체계를 개발하기 위해.
• 시각화 데이터 처리에서 반복적으로 나타나는 작업들과 이를 해결하기 위해 사용되는 인공지능 기법을 부각하기 위해.
• 인공지능 지원을 통해 시각화 데이터를 관리하고 활용하는 데 있어 열려 있는 연구 질문을 프레임화하기 위해.

제안 방법

• 인공지능과 시각화 데이터 분야의 핵심 연구 추세를 규명하기 위해 열 가지 컴퓨터 과학 분야에 걸쳐 체계적인 문헌 검토를 수행하였다.
• 계산 시스템 내에서 시각화의 디지털 표현으로서의 시각화 데이터 정의.
• 표현(무엇, WHAT), 동기(왜, WHY), 응용(어떻게, HOW)의 세 기둥을 기반으로 한 분류 체계 구축.
• 생성, 분석, 검색과 같은 공통된 시각화 데이터 작업에서의 인공지능 기법을 분류.
• 시각화 이해를 위한 딥러닝, 자연어 처리(NLP), 그래프 기반 모델 등 반복적으로 사용되는 공통된 인공지능 접근 방식 식별.
• 재현 가능성과 향후 연구를 지원하기 위해 조사된 논문 및 관련 자료의 온라인 저장소 구축.

실험 결과

연구 질문

• RQ1 인공지능 시스템에서 시각화를 어떻게 공식적인 일급 데이터 포맷으로 간주할 수 있는가?
• RQ2 시각화 데이터 처리 분야에서 인공지능 기법이 적용되는 핵심 작업은 무엇인가?
• RQ3 다양한 도메인에서 시각화 데이터 작업을 해결하기 위해 공통적으로 사용되는 인공지능 접근 방식은 무엇인가?
• RQ4 인공지능을 활용해 시각화 데이터를 관리하고 활용하는 데 있어 핵심 과제와 열려 있는 연구 질문은 무엇인가?
• RQ5 다양한 컴퓨터 과학 분야는 시각화 데이터를 위한 인공지능 발전에 어떻게 기여하는가?

주요 결과

• 시각화 데이터는 점점 더 텍스트와 이미지와 유사한 구조적이고 기계로 처리 가능한 형식으로 간주되고 있다.
• 표현, 동기, 방법론을 기반으로 한 통합된 분류 체계가 시각화 데이터의 인공지능 응용을 체계화하기 위해 개발되었다.
• 공통된 인공지능 작업으로는 시각화 생성, 의미 이해, 검색이 있으며, 각각 전용 기법에 의해 뒷받침된다.
• 딥러닝과 자연어 처리(NLP)는 시각화 데이터의 해석과 생성에 있어 두드러진 접근 방식이다.
• 이 종합 검토는 시각화 데이터를 위한 인공지능 발전을 이끄는 데 있어 컴퓨터 과학 분야 간의 상당한 상호접점이 있음을 규명했다.
• 조사된 논문과 자료의 온라인 저장소가 공개되어 재현성과 향후 연구를 지원한다.