AutoLegend: A User Feedback-Driven Adaptive Legend Generator for Visualizations

我们提出了AutoLegend，使用用户反馈的在线学习来生成交互式可视化图例。AutoLegend可以准确地从可视化中提取符号和通道，然后生成高质量的图例。AutoLegend使图例和交互之间实现了双向交互，包括高亮、过滤、数据检索和重新定位等功能。在分析过去20年IEEE VIS论文中的可视化图例后，我们总结了可视化图例设计空间和评估指标，特别是图表。生成过程由三个相互关联的组件组成：图例搜索代理、反馈模型和对抗性损失模型。搜索代理通过探索设计空间确定合适的图例解决方案，并通过标量分数从反馈模型获得指导。反馈模型基于用户输入不断更新对抗性损失模型。用户研究表明，AutoLegend可以通过图例编辑学习用户的偏好。

AutoLegend试图解决生成交互式可视化图例的问题，通过在线学习和用户反馈来实现。同时，论文总结了过去20年来IEEE VIS论文中关于图例设计的设计空间和评估指标。

AutoLegend的关键思路是通过搜索代理、反馈模型和对抗损失模型三个组件相互作用，实现从可视化中提取符号和通道，并生成高质量的图例。其中，搜索代理在设计空间中探索合适的图例解决方案，并通过反馈模型获得用户反馈，反馈模型则通过对抗损失模型不断更新。

论文通过用户研究发现，AutoLegend可以通过图例编辑学习用户的偏好。实验结果表明，AutoLegend生成的图例质量高，并且可以与交互式可视化相互作用。

近期的相关研究包括：1.《A Survey of Automated Graphic Design》；2.《Interactive Graphic Design Using Automatic Design Suggestions》；3.《VizLens: A Robust and Interactive Screen Reader for Interfaces from the Web to the Physical World》等。