本篇论文采用最先进的深度学习方法，对专利图像中的可视化类型和视角进行分类，并对 CLEF-IP 数据集进行了扩展和手动标注，实验结果证明了该方法的可行性。

Jul, 2023

最新的视觉语言模型（VLM）在识别视觉语义内容方面取得了显著的成功，但在识别视觉数据类型方面存在盲区。本文通过引入 “视觉数据类型识别” 这一新任务，探索并提升 VLM 在识别视觉数据类型方面的能力，通过分析模型的预训练分布，并在微调过程中引入数据类型信息，实现了显著的性能提升。

Oct, 2023

本文提出了可视化和推理过程的抽象模型，并描述了一种信息论度量来优化这些过程。我们提出了一种基于信息论的成本效益比度量，以优化数据可视化过程。

Jun, 2015

本论文对机器学习模型的数据方面的可视化相关研究进行了系统梳理和分析，提出了五类数据类型和六种数据中心任务，并分析了 143 篇论文的相关分布，展望了未来的研究趋势和方向。

Jul, 2023

本研究介绍了一种基于机器学习的数据可视化推荐方法，通过从大量数据集和相关可视化图中训练出网络来预测设计选择，从而降低探索基本可视化的难度.

Aug, 2018

通过系统审视 259 篇近 10 年来发表以及 2010 年前的代表性著作，我们构建了一个分类法，其中包括技术建模前、建模过程中以及建模后的三个一级类别；每个类别可以进一步分为具体的分析任务，并列举了一些最近具有影响力的作品。同时，我们还讨论和突出了有挑战和有前景的研究机会，这些对于视觉分析的研究者非常有用。

Aug, 2020

本文介绍了一种新的绘画数据集，使用卷积神经网络对基督教宗教绘画中的圣徒图像进行分类，并得到了良好的性能表现。研究结果表明，这种分类器可以有效地识别每个圣徒的独特视觉特征，以进行图像自动解析和比较，以支持图标学的研究和自动艺术作品注释。

Oct, 2020

调查了当前用于图表分类的最新技术，并对最近发布的 CHARTINFO UB-UNITECH PMC 数据集进行了广泛的性能比较分析，实现了一种基于视觉的 Transformer 模型，取得了在图表分类方面顶尖的结果。

Jul, 2023

通过研究人们在视觉设计中看和点击的位置，自动化模型预测数据可视化和图形设计中不同元素的相对重要性，并应用于自动设计重新定位和缩略图生成，并提供交互式设计工具，以提供设计过程中的即时反馈。

Aug, 2017

本文研究了在计算机视觉中，如何利用人类视觉系统对图像异常性进行识别和分类，提出了一种基于人类实验数据的异常图像分类法以及一种能够准确预测各种异常情况的计算模型，并相应建立了一个异常图像数据集。

Dec, 2015