GenAI4Vis: generative AI for data visualization : a practical framework for insightful visualization in the AI era

Generative AI (GenAI) has witnessed remarkable progress in recent years and demonstrated impressive performance in various generation tasks in different domains such as computer vision and computational design. Many researchers have attempted to integrate GenAI into the visualization framework, leveraging the superior generative capacity for different operations. Concurrently, recent major breakthroughs in GenAI like diffusion models and large language models (LLMs) have also drastically increased the potential of Generative AI for Visualization (GenAI4VIS). Although there has been considerable research on the application of GenAI in visualization design, these technologies haven’t yet been fully integrated into the everyday practices of designers. There is a noticeable lack of comprehensive tutorials and guidelines on how to effectively use GenAI tools in data visualization design. This gap may be attributed to the suboptimal performance of existing tools or the fact that this area has not been sufficiently explored. To address this gap, this study conducts experimental evaluations of various GenAI tools, analyzing their practical validity in data visualization design. The research focus of these GenAI tools is categorized into three key stages: visualization generation, visualization enhancement, and visualization evaluation. For each stage, the study systematically assesses the effectiveness of these tools, aiming to gain a deeper understanding of the current state and limitations of GenAI4VIS. The findings of this research have been consolidated into a website aimed at designers across all fields, particularly those who have not specifically studied data visualization and GenAI. The website will provide clear guidance and practical examples, helping designers to efficiently integrate these advanced technologies into their daily workflows, thereby enhancing the efficiency and quality of the design process.

Con i rapidi progressi dell’Intelligenza Artificiale Generativa (GenAI) negli ultimi anni, questa tecnologia ha dimostrato prestazioni eccezionali in vari compiti di generazione, abbracciando diversi domini come la visione artificiale e il design computazionale. Molti ricercatori hanno cercato di integrare la GenAI nella visualizzazione, sfruttando le sue capacità generative per varie operazioni. Inoltre, recenti avanzamenti come i modelli di diffusione e i modelli linguistici di grandi dimensioni (LLM) hanno ampliato il potenziale della Generative AI per la Visualizzazione (GenAI4VIS). Sebbene ci sia stata considerevole ricerca sull’applicazione della GenAI nel design della visualizzazione, queste tecnologie non sono ancora completamente integrate nelle pratiche quotidiane dei designer. C’è una evidente mancanza di tutorial completi e linee guida su come utilizzare efficacemente gli strumenti GenAI nel design della visualizzazione dei dati. Questa lacuna può essere attribuita alla performance subottimale degli strumenti esistenti o al fatto che quest’area non è stata sufficientemente esplorata. Per colmare questa lacuna, questo studio conduce valutazioni sperimentali di vari strumenti GenAI, analizzandone la validità pratica nel design della visualizzazione dei dati. Il focus della ricerca su questi strumenti GenAI è suddiviso in tre fasi chiave: generazione di visualizzazioni, miglioramento delle visualizzazioni e valutazione delle visualizzazioni. Per ogni fase, lo studio valuta sistematicamente l’efficacia di questi strumenti, con l’obiettivo di ottenere una comprensione più approfondita dello stato attuale e dei limiti di GenAI4VIS. I risultati di questa ricerca sono consolidati in un sito web rivolto a designer di tutti i campi, in particolare a quelli che non hanno studiato specificamente la visualizzazione dei dati e la GenAI. Il sito web fornisce una guida chiara ed esempi pratici, aiutando i designer a integrare efficacemente queste tecnologie avanzate nei loro flussi di lavoro quotidiani, migliorando così l’efficienza e la qualità del processo di progettazione.