可视化实验室地图：16 个值得跟踪的研究组

| 实验室 | 机构 / PI | 一句话定位 | 主页 | | --- | --- | --- | --- | | UW Interactive Data Lab | UW / Jeffrey Heer | D3 → Vega → Vega-Lite → Mosaic 工具链源头 | idl.uw.edu | | MIT Visualization Group | MIT CSAIL / Arvind Satyanarayan | 声明式语法 + 无障碍 + 智能增强 | vis.csail.mit.edu | | CMU DIG | CMU HCII / Perer & Moritz | ML 能力装进交互系统，LLM/agent × 可视化 | dig.cmu.edu | | Maryland HCIL | UMD / Shneiderman 创立 | InfoVis 奠基地，treemap 与可视检索箴言 | hcil.umd.edu | | NYU VIDA | NYU / Silva & Freire | 可视化 + 数据管理 + 可复现性 | vida.engineering.nyu.edu | | Polo Club | Georgia Tech / Polo Chau | 浏览器里交互式解释深度学习模型 | poloclub.github.io | | Harvard VCG | Harvard SEAS / Pfister | 科学可视化、生物医学、连接组学 | vcg.seas.harvard.edu | | Stanford HCI | Stanford 多 PI | HCI / 人本 AI 总成，可视叙事是其中一支 | hci.stanford.edu | | Khoury Vis Lab | Northeastern 多 PI | 感知 / 认知驱动可视化 | vis.khoury.northeastern.edu | | UC Davis VIDI | UC Davis / Kwan-Liu Ma | 大规模 SciVis、原位可视化、ML 融入 | vidi.cs.ucdavis.edu | | UBC InfoVis | UBC / Tamara Munzner | 方法论立法者，nested model 与教材 | cs.ubc.ca/group/infovis | | Stuttgart VISUS | Stuttgart / Weiskopf 等 | 流场、不确定性、眼动 + 可视化 | vis.uni-stuttgart.de | | Inria AVIZ | Inria / Fekete 等 | 欧洲 InfoVis 旗舰，数据物理化 | aviz.fr | | HKUST VisLab | HKUST / Huamin Qu | 可解释 AI + AI for Vis + 人-AI 协同 | huamin.org | | 浙大 IDG | 浙大 / Yingcai Wu | 体育可视分析 + LLM × 图表/数据 | ycwu.org | | 清华刘世霞组 | 清华 / Shixia Liu | 可视分析 + 可解释机器学习 | shixialiu.com |

UW Interactive Data Lab（Jeffrey Heer）

• 机构 / PI：University of Washington；Jeffrey Heer
• 定位：当代可视化工具链事实上的源头
• 代表作：D3、Vega / Vega-Lite、Wrangler、Voyager、Draco、Mosaic；近年 DracoGPT、BLADE、Interactive Reasoning
• 链接：https://idl.uw.edu/
• 为什么看它：学「可视化即语法」与 AI 辅助分析基础设施

MIT Visualization Group（Arvind Satyanarayan）

• 机构 / PI：MIT CSAIL；Arvind Satyanarayan
• 定位：把可视化当作智能增强的培养皿
• 代表作：Vega-Lite 共创线、无障碍数据表示、图表-文本语义对齐
• 链接：https://vis.csail.mit.edu/
• 为什么看它：语法、可访问性、智能增强三线合一

CMU Data Interaction Group（Perer & Moritz）

• 机构 / PI：CMU HCII；Adam Perer、Dominik Moritz
• 定位：把机器学习能力装进可用交互系统
• 代表作：Vega-Lite / Draco 谱系（Moritz）、医疗与可解释 ML 可视分析（Perer）、近年 LLM/agent × 可视化
• 链接：https://dig.cmu.edu/
• 为什么看它：系统构建与 AI 辅助分析合流点

Maryland HCIL

• 机构 / PI：University of Maryland；Ben Shneiderman 创立，Elmqvist 等延续
• 定位：信息可视化与 HCI 奠基地
• 代表作：Treemap、动态查询、「Overview first, zoom and filter, details-on-demand」；近年可视化素养与 agentic visualization
• 链接：https://hcil.umd.edu/
• 为什么看它：方法根基与人机交互传统

NYU VIDA（Silva & Freire）

• 机构 / PI：NYU；Cláudio T. Silva、Juliana Freire
• 定位：可视化 + 数据管理 + 可复现性
• 代表作：VisTrails、城市可视分析、BDIViz / Magneto / BDI-Kit 等 LLM 数据发现线
• 链接：https://vida.engineering.nyu.edu/
• 为什么看它：证据链、provenance、可复现工作流

Polo Club of Data Science（Duen Horng Chau）

• 机构 / PI：Georgia Tech；Polo Chau
• 定位：「在浏览器里交互式解释深度学习模型」的代表组
• 代表作：CNN Explainer、GAN Lab、Diffusion Explainer、Transformer Explainer、LLM Attributor、ConceptAttention
• 链接：https://poloclub.github.io/
• 为什么看它：做 model explainer 的第一对照组；交互教学范式极强

Harvard Visual Computing Group（Hanspeter Pfister）

• 机构 / PI：Harvard SEAS；Hanspeter Pfister
• 定位：科学可视化、生物医学影像与视觉计算
• 代表作：连接组学等大科学项目；近年生成模型与可视化可信度评估
• 链接：https://vcg.seas.harvard.edu/
• 为什么看它：跨学科大科学可视化

Stanford HCI Group

• 机构 / PI：Stanford；Bernstein、Agrawala、Landay 等多 PI
• 定位：HCI / 人本 AI 总成，可视化是其中一支
• 代表作：Generative Agents、众包系统、Agrawala 可视叙事与自动图示
• 链接：https://hci.stanford.edu/
• 为什么看它：把可视化放进更大的人-AI 交互语境

Khoury Vis Lab, Northeastern

• 机构 / PI：Northeastern；Dunne、Padilla、Xiong Bearfield 等
• 定位：人怎样感知与误解可视化
• 代表作：感知 / 认知驱动可视化、叙事、网络与无障碍；生成模型 × 可信度
• 链接：https://vis.khoury.northeastern.edu/
• 为什么看它：做解释器时防止「看起来合理、其实误导」

UC Davis VIDI（Kwan-Liu Ma）

• 机构 / PI：UC Davis；Kwan-Liu Ma
• 定位：大规模科学可视化与原位可视化标杆
• 代表作：并行 / in-situ 可视化；HINTs、VISTA 等 LLM / 基础模型 × 可视分析
• 链接：https://vidi.cs.ucdavis.edu/
• 为什么看它：规模化系统与文档 sensemaking

UBC InfoVis Group（Tamara Munzner）

• 机构 / PI：UBC；Tamara Munzner
• 定位：可视化方法论立法者
• 代表作：Nested Model、Design Study Methodology、《Visualization Analysis and Design》、Iceberg Sensemaking
• 链接：https://www.cs.ubc.ca/group/infovis/
• 为什么看它：未必是落脚组，但是写论文 / 做系统的方法论必修

University of Stuttgart VISUS

• 机构 / PI：Stuttgart；Daniel Weiskopf、Michael Sedlmair 等
• 定位：流场 / 不确定性 / 眼动 + 可视化
• 代表作：不确定性可视化、gaze-aware visualization、Urania（自然语言数据探索管线可视化）
• 链接：https://www.vis.uni-stuttgart.de/en/
• 为什么看它：实证严谨度与感知评估

Inria AVIZ

• 机构 / PI：Inria / Paris-Saclay；Jean-Daniel Fekete、Petra Isenberg、Tobias Isenberg 等
• 定位：欧洲信息可视化旗舰；数据物理化发起者之一
• 代表作：渐进式可视分析、物理可视化、评估与人本可视分析
• 链接：https://aviz.fr/
• 为什么看它：交互与评估传统，载体不限于屏幕

HKUST VisLab（Huamin Qu）

• 机构 / PI：HKUST；Huamin Qu
• 定位：华人圈高影响力可视化实验室；近年 XAI + AI for Vis + 人-AI 协同
• 代表作：城市计算、可解释 AI、叙事可视化、高产学术家谱
• 链接：http://huamin.org/
• 为什么看它：AI × Vis 与可解释决策

浙江大学 IDG（Yingcai Wu）

• 机构 / PI：浙大 CAD&CG；Yingcai Wu
• 定位：国内可视分析强组；体育可视分析招牌 + LLM × 数据/图表
• 代表作：InsightChaser、NoteFlow、ReSpark、ViseGPT、图表数据抽取 benchmark
• 链接：http://www.ycwu.org/
• 为什么看它：对话式可视分析与数据报告自动化

清华大学（Shixia Liu）

• 机构 / PI：清华软件学院；刘世霞
• 定位：可视分析 + 可解释机器学习领军组
• 代表作：Visual Analytics for Machine Learning 综述、RuleExplorer、ReorderBench、ChartGalaxy / InfoChartQA
• 链接：http://www.shixialiu.com/
• 为什么看它：XAI 可视分析与图表智能 benchmark

1. 先按气质筛：语法系统 / 交互解释器 / 感知实验 / SciVis / XAI / LLM 分析
2. 再看近期工作，别只看历史声誉
3. 对照自己的项目：论文阅读系统、模型解释器、城市计算、证据链
4. 套磁前读 2–3 篇目标组近期论文，对齐具体 PI，而不是泛泛「我对可视化感兴趣」

可视化实验室不是一张 star 榜，而是不同研究范式的集合。先找到自己要贡献的那条范式——工具语法、交互解释、感知评估、科学可视化或 可视分析——再选组、选论文、选开源，效率会高很多。

• IEEE VIS：https://ieeevis.org/
• Polo Club：https://poloclub.github.io/
• UW IDL：https://idl.uw.edu/
• What is visualization research?