散点图和散点图矩阵方法已被广泛用于显示统计图形和揭示多元数据中蕴含的模式。最近一项称为可链接散点图的技术，为交互式可视探索提供了一种有趣的思路，它根据需要提供一组必要的绘图面板，可对这些面板进行交互、链接和涂刷。 本文介绍了一项采用混合模型设计的对照研究，以评估在使用顺序散点图(一次显示一个散点图)、多重散点图(可以指定和显示多个散点图和并行散点图(通过散点图矩阵显示所有散点图)时可视探索的有效性和用户体验。研究结果表明，使用多重散点图可视化能达到更高的精度，特别是与并行散点图相比。与较为简单的顺序散点图相比，虽然多重散点图技术在完成任务时稍显费时，但是其结果更准确。此外，多重散点图技术也是本项研究中最受欢迎和体验最佳的技术。

一个国家的经济可以建模成一个复杂的系统，在系统中，参与者相互买卖商品。通过分析投资流动，可以为大多数商品的生产构建一个供应链，这对于需要制定与评估战略决策，比如调整税收政策，的分析师和政府官员来说非常重要。然而，对参与者和投资人来说，这些网络往往非常复杂和密集，容易导致可视化的过度绘制，从而模糊了诸如生产部门和地区之间依赖关系之类的宝贵信息。 在本文中，我们提出了Hermes（以希腊商业之神的名字命名)，一个用来探索复杂经济网络的具有丰富引导功能的可视分析环境，以揭示供应链、地区生产力和各生产部门之间的关联关系。基于引导方面的实践经验，我们设计并实现了一种可视化子图查询方法，可从现实数据的复杂投资图中提取其关联模式。我们对系统进行了三重评估: 一是通过三名领域专家进行定性评估；二是通过这一领域的专业研究人员对系统设置的引导功能进行单独评估；最后采用银行账户网络数据集作为案例对Hermes进行使用评估，以证明我们方法的可推广性。

社交网络的可视化，尤其是对能揭示网络结构（社区）及其相互联系的网络概貌可视化，一直被认为是一个挑战性问题。本文提出了构建社交网络概貌可视化的一套设计原理，我们的解决方案是JASPER。我们在一个基于社区相关任务的人机控制实验中，评估了应用最为广泛的两种可视化技术(矩阵和节点链接图)的性能。虽然没有一种技术占有压倒性的优势，但JASPER显然是处理每项任务的最佳方法之一。用户给出的评分证实了这一点。总的来说，JASPER可以在一台现代计算机上快速生成清晰、紧凑的大型社交网络概貌，可视为一种全能的解决方案。

首尔国立大学（Seoul National University），建于1924年，是世界知名的研究型国立综合大学之一，是环太平洋大学联盟、亚洲大学联盟、东亚四大学论坛和东亚研究型大学协会成员。首尔国立大学人机交互实验室（HCIL）是 Jinwook Seo 教授于2009年在首尔国立大学计算机科学与工程系中创立。该实验室十多年来一直致力于信息可视化、人机交互领域的研究。

莫纳什大学（Monash University），建于1958年，坐落于澳大利亚维多利亚州墨尔本，是一所蜚声国际的顶尖研究型大学。莫纳什大学的数据可视化与沉浸式分析实验室（Monash IA Lab）已经成立了20多年，一直致力于信息可视化的主题研究，在网络可视化，交互式优化以及地理和制图可视化层面的算法，交互技术和实验结果上做出了巨大贡献。同时，Monash IA Lab 还是沉浸式分析（探索支持数据分析的自然交互和沉浸式显示技术）这一新兴领域上领先者。目前 Prof. Tim Dwyer 是 Monash IA Lab 负责人。

在图像到图像的转换中，我们的目标是构建从一幅图像域到另一幅图像域的映射。在监督学习的情形中，该映射是通过已配对的样本来学习的。但是，收集大量的配对图像要么成本太高，要么不可能。因此，近年来更多的注意力聚焦在如何从未经配对的图像中来学习映射的技术。 在我们的工作中，我们将隐式配对注入未经配对的图像集合中，来加强两个图像域之间的映射，提高它们的分布的兼容性，从而使无监督技术在多项测量中的性能提升高达12％。

我们通过使用伪配对（即近似于真实配对的一些样本对），进一步展示了隐式配对的能力。我们演示了这些近似的隐式配对样本对图像到图像转换的作用，这些伪配对可能在一个方向上取近似，而在另一个方向上不加改动。我们进一步展示，在未经配对的图像转换中，伪配对作为隐式配对使用比在配对图像转换中直接显式使用更为有效。