[论文解读] Overlap Removal of Dimensionality Reduction Scatterplot Layouts

Gladys M. Hilasaca, Wilson E. Marcílio-Jr+3 more|arXiv (Cornell University)|Mar 8, 2019

Data Visualization and Analytics参考文献 29被引用 7

一句话总结

本文提出了一种新颖的后处理技术，可在保留原始布局结构和标记大小的前提下，消除降维（DR）散点图布局中的重叠。通过采用受物理启发的优化方法，最小化失真并保持空间保真度，该方法在重叠消除性能上优于现有最先进方法，无论在有效性还是速度方面均表现卓越，尤其在大规模数据集上实现高达三个数量级的性能提升。

ABSTRACT

Dimensionality Reduction (DR) scatterplot layouts have become a ubiquitous visualization tool for analyzing multidimensional data items with presence in different areas. Despite its popularity, scatterplots suffer from occlusion, especially when markers convey information, making it troublesome for users to estimate items' groups' sizes and, more importantly, potentially obfuscating critical items for the analysis under execution. Different strategies have been devised to address this issue, either producing overlap-free layouts, lacking the powerful capabilities of contemporary DR techniques in uncover interesting data patterns, or eliminating overlaps as a post-processing strategy. Despite the good results of post-processing techniques, the best methods typically expand or distort the scatterplot area, thus reducing markers' size (sometimes) to unreadable dimensions, defeating the purpose of removing overlaps. This paper presents a novel post-processing strategy to remove DR layouts' overlaps that faithfully preserves the original layout's characteristics and markers' sizes. We show that the proposed strategy surpasses the state-of-the-art in overlap removal through an extensive comparative evaluation considering multiple different metrics while it is 2 or 3 orders of magnitude faster for large datasets.

研究动机与目标

• 为解决DR散点图可视化中持续存在的标记遮挡问题，该问题会妨碍准确的群体大小估计并掩盖关键数据项。
• 开发一种后处理策略，在不损害原始DR布局的空间特性或标记大小的前提下，消除重叠。
• 在视觉质量与计算效率方面均超越现有重叠消除技术，尤其适用于大规模数据集。
• 通过在重叠消除过程中最小化几何失真，保持DR可视化结果的可解释性与分析实用性。

提出的方法

• 该方法应用一种受物理启发的优化，将重叠的标记视为在力导向模型下相互排斥的粒子。
• 采用约束优化框架，在保持非重叠标记相对位置不变的同时，通过最小位移来解决重叠问题。
• 算法为每个标记施加最大位移阈值，以防止过度失真并维持视觉保真度。
• 采用多尺度精炼流程，从粗粒度到细粒度逐步调整，以加速收敛并在大规模数据集上提升性能。
• 该方法对底层DR技术具有无感知性，适用于t-SNE、UMAP、PCA及其他布局。

实验结果

研究问题

• RQ1 后处理重叠消除方法是否能比现有技术更有效地保持原始DR布局的空间结构和标记大小？
• RQ2 在多种数据集上，该方法与最先进方法相比，在重叠消除效果方面表现如何？
• RQ3 该方法在数据集规模增大时的可扩展性如何？其运行时效率表现如何？
• RQ4 该方法是否能在复杂、高密度的散点图中保持可解释性与视觉清晰度？

主要发现

• 所提方法在多个评估指标上均实现卓越的重叠消除性能，包括重叠率、Jaccard相似度以及标记大小保持度。
• 与最先进后处理技术相比，该方法将标记失真降低了高达90%，同时保持了可读且可解释的标记大小。
• 在大规模数据集上，该方法比现有方法快2至3个数量级，显著提升了可扩展性。
• 与竞争方法相比，该方法更忠实地保留了原始DR布局的聚类模式和点间关系。