4月24日，人机交互领域顶级会议CHI23正式拉开帷幕。视觉计算实验室今年共有3篇工作被CHI23成功接收，硕士研究生温啸林和王凤杰在德国汉堡参加本次会议并做口头报告。
SIGCHI Welcome Reception - 温啸林和王凤杰参会合照
今天的分享将包括以下三部分：大会开幕式；关于网络安全的开幕式报告；专题报告，包括：网络安全、可视化感知和面向人工智能/机器学习的可视化。
大会开幕式
报告人：CHI组委会
今天会议初始，组委会介绍了本次大会的基本信息，包括参会人员统计、论文获奖等。
CHI2023拥有有史以来最多的线下参会者。本次会议涵盖全球79个国家（如亚洲20个国家、欧洲24个国家、美洲7个国家、非洲8个国家）4670名参会者，其中3888在德国汉堡参加本次会议，782人通过在线会议方式参与。
2023年一共收到3182份投稿，最终接收879篇工作，录取率27.6%。今年获得最佳论文的有35篇工作，获得荣誉提名奖的有93篇，最佳案例研究1份，案例研究荣誉提名奖2份。
CHI23开幕式
开幕式报告：网络犯罪和网络安全中的人为因素
报告人：Eva Wolfangel, Journalist and Writer
Eva通过采访黑客和网络安全受害者，向HCI社区解读了网络犯罪中复杂的人类因素，并讨论为什么网络安全的新方向对保持我们的安全是必要的。可使用的安全在当今已难以满足现状，以人为本的安全才是出路。但这并不容易。在数字世界中的安全不能仅靠技术来实现，它需要了解人类，以及他们的欲望、希望和恐惧。只有了解攻击者的心态和动机，我们才能制定有效的防御措施。
开幕式报告
隐私和网络
Modeling the Trade-off of Privacy Preservation and Activity Recognition on Low-Resolution Images
报告人：Yuntao WANG, Tsinghua University
使用低分辨率图像传感器的计算机视觉系统可以提供智能服务（如活动识别），同时从硬件层面保留不必要的视觉隐私信息。然而，保存视觉隐私和实现准确的机器识别对图像分辨率有对抗性需求。对隐私保护和机器识别性能的权衡进行建模，可以指导未来使用低分辨率图像传感器的隐私保护计算机视觉系统。在本文中，作者以居家日常活动为场景，首先通过用户调查获得最重要的视觉隐私特征。然后，作者量化并分析了图像分辨率对人类和机器在活动识别和隐私意识任务中识别性能的影响。此外，作者还调查了现代图像超分辨率技术如何影响这些影响。基于这些结果，作者提出了一种在低分辨率图像上对隐私保护和活动识别进行权衡的建模方法。
隐私在日渐复杂的数字世界越发受到关注，从硬件层面剔除重要的隐私信息是隐私保护非常重要的手段，本文基于此展开研究。此外，作者认为在未来工作中可充分利用多模态信息、更先进的隐私保护方法、并考虑重要的视觉特征。
Uncovering Privacy and Security Challenges In K-12 Schools (*HONORABLE MENTION)
报告人：Jake Chanenson, University of Chicago
在学校中，越来越多技术被采用，这给K-12学生带来了新的隐私和安全挑战--以及诸如学生数据的商业化、安全漏洞中学生数据的暴露和对学生追踪的扩大等危害--但这些挑战的危害程度还不清楚。在本文中，首先，作者采访了18位学校官员和IT人员，以了解各地使用哪些教育技术，以及他们如何围绕这些技术管理学生隐私和安全。其次，为了确定这些教育技术是否经常在美国公立学校中得到认可，作者汇编了一份从15573个K-12公立学校/地区域名中爬取的网站清单，并分析了它们的隐私风险。结果表明，管理员缺乏资源来正确评估围绕教育技术的隐私和安全问题，尽管它们确实构成了潜在的隐私问题。
基于这些发现，作者为政策制定者、教育者和CHI研究社区提出了一些建议，包括：开展面向教育科技的实证研究、开展关于教育科技隐私和安全的培训、增强教育科技的监管。
可视化感知
该专题中讲者们探讨了视图、颜色、深度学习辅助等因素对可视化感知的影响。具体而言，Carl Gutwin讨论了弦图和桑基图这两类流可视化视图的优缺点，并通过用户实验验证了桑基图的表现似乎大部分情况下都优于弦图；Kecheng Lu提出了一种在多类散点图交互过程中保持上下文高亮的方法，能够同时在不同的兴趣点下保持所有类之间的感知可分性和一致的颜色映射方案；Fumeng Yang描述了对深度神经网络如何辅助可视化感知的相关研究，他们通过训练和分析深度卷积神经网络对三项研究中散点图中的人类相关性判断，从预测、繁华和解释三个角度提供了见解；Chin Tseng报告了他们提出的一个众包实验，用于测量多类散点图中使用的类别数量和颜色编码的选择如何影响观看者跨类分析数据的能力。
报告：Interactive Context-Preserving Color Highlighting for Multiclass Scatterplots
面向人工智能和机器学习的可视化
本专题主要介绍了三篇AI for VIS的工作。Yongsu Ahn描述了提出视觉分析系统ESCAPE，用于促进一种用于对抗系统错误的人在环工作流，通过允许人类用户容易地检查虚假关联，帮助用户自发地识别与概念相关的错误分类，并评估可以减少有偏见关联的缓解策略。
报告：ESCAPE: Countering Systematic Errors from Machine's Blind Spots via Interactive Visual Analysis
Samantha Robertson讲述了苹果公司提出的交互式视觉分析工具Angler，用于帮助从业者进行机器学习模型的改进，并且使用用户研究评估了该系统的有效性。
报告：Angler: Helping Machine Translation Practitioners Prioritize Model Improvements
Maryam Hedayati提出了一种新的不确定性沟通方法，使用该方法能够保持不确定性的表示不变，但调整显示的分布，从而补偿人们在决策中主观概率的偏差。
报告：Subjective Probability Correction for Uncertainty Representation
晚上，我们参与了CHI2023组织的Reception，在该环节中实验室的温啸林同学向其他学者展示了实验室被CHI2023收录的一篇关于智能合约中庞氏骗局视觉检测的海报。最后，我们参与了国内人机交互社群组织的派对，与各位学者开展人机交互领域的思想碰撞。
温啸林同学与外国学者交流海报内容
