Attention-Aware Visualization: Tracking and Responding to User Perception Over Time

我们提出了注意力感知可视化（AAVs）的概念，它可以跟踪用户对视觉表达的感知，并将这些信息反馈给可视化。这种上下文感知对于无处不在和沉浸式分析特别有用，因为知道用户正在查看哪些嵌入式可视化可以用于使可视化对用户的注意力做出适当反应，例如通过突出显示用户尚未看到的数据。我们可以将这种方法分为三个组成部分：（1）测量用户在可视化及其部分上的凝视；（2）跟踪用户的注意力随时间的变化；以及（3）根据当前注意力指标反应性地修改可视化表示。在本文中，我们提出了AAV的两个单独的实现：一个是基于Web的2D数据无关方法，可以使用实体眼动追踪器捕捉用户的凝视，另一个是基于3D数据感知的方法，使用模板缓冲区来跟踪可视化中每个单独标记的可见性。两种方法都提供了类似的机制来累积随时间变化的注意力并根据其做出标记外观的变化。我们还展示了一个定性评估的结果，研究了捕捉和再可视化注意力的视觉反馈和触发机制。

论文提出了Attention-Aware Visualizations（AAVs）的概念，旨在追踪用户对可视化表示的知觉，并将这些信息反馈给可视化。这样的上下文意识对于普适和沉浸式分析特别有用，因为了解用户正在查看哪些嵌入式可视化可以用于使可视化适当地对用户的注意力做出反应。

论文提出了一种三个组成部分的方法：（1）测量用户对可视化及其部分的注视；（2）跟踪用户的注意力随时间的变化；（3）根据当前的注意力度量反应性地修改可视化表示。并且提出了两种不同的AAV实现：一种是用于基于Web的可视化的2D数据无关方法，可以使用具有体内眼动追踪器的方法捕捉用户的注视；另一种是用于3D数据感知的方法，使用模板缓冲区跟踪可视化中每个单独标记的可见性。

论文通过定性评估来研究捕获和重新可视化注意力的视觉反馈和触发机制。研究结果表明，AAV可以有效地跟踪用户的注意力，并根据用户的注意力改变可视化的外观。此外，论文还提供了两种不同的AAV实现方法，并介绍了它们的特点和应用场景。

近年来，与AAV相关的研究还包括：《Attention-based Visualization Design: A Survey》、《Attention-Driven Design of Spatiotemporal Data Visualization》等。