IEEE VIS 2022 Best Paper Award für "Uncertainty-Aware Multidimensional Scaling"

18. Oktober 2022 / cwr

VIS(US) Wissenschaftler erhalten Auszeichnung für ihre Arbeit.
[Bild: David Hägele/VIS(US)]

Auf der IEEE VIS 2022 wurden David Hägele, Tim Krake und Daniel Weiskopf für ihr Paper "Uncertainty-Aware Multidimensional Scaling" mit dem Best Paper Award ausgezeichnet. Die IEEE VIS ist eine der weltweit größten und bedeutendsten Konferenzen im Bereich der Visualisierung und fand in diesem Jahr als hybrides Event in Oklahoma City, USA statt. Mit dem Best Paper Award zeichnet die Konferenz herausragende Arbeiten aus dem Pool der angenommenen Beiträge aus.

Abstract

We present an extension of multidimensional scaling (MDS) to uncertain data, facilitating uncertainty visualization of multidimensional data. Our approach uses local projection operators that map high-dimensional random vectors to low-dimensional space to formulate a generalized stress. In this way, our generic model supports arbitrary distributions and various stress types. We use our uncertainty-aware multidimensional scaling (UAMDS) concept to derive a formulation for the case of normally distributed random vectors and a squared stress. The resulting minimization problem is numerically solved via gradient descent. We complement UAMDS by additional visualization techniques that address the sensitivity and trustworthiness of dimensionality reduction under uncertainty. With several examples, we demonstrate the usefulness of our approach and the importance of uncertainty-aware techniques.

Diese Abbildung zeigt einen künstlichen 4-dimensionalen Datensatz sowie die zugehörige Projektion mittels uncertainty-aware multidimensional scaling (UAMDS). Während auf der linken Seite keine Unsicherheit im Datensatz vorhanden ist und somit die Projektion der Datenpunkte konkrete Punkte zeigt, wird in der Mitte und auf der rechten Seite der Abbildung Unsicherheit zum Datensatz hinzugefügt. Die Datenpunkte erhalten somit eine gewisse Varianz die ebenfalls in der Projektion durch Konturlinien der resultierenden 2-dimensionalen Wahrscheinlichkeitsdichtefunktion dargestellt wird. Es ist außerdem zu erkennen, dass die UAMDS Projektion sensitiv gegenüber der Unsicherheit ist, denn die Positionen der projizierten Daten verändern sich bei Änderung derer Varianz.
Bild: David Hägele

Zur Publikation

Weitere Beiträge von VIS(US) Wissenschaftler*innen auf der IEEE VIS 2022

Sowohl auf der IEE VIS als auch auf den zugehärigen Workshops waren die Wissenschaftler*innen von VIS und VISUS mit zahlreichen Publikationen vertreten:

Zum Seitenanfang