Map the coordinates of Computer Vision history. / 构建你的计算机视觉十年坐标系。 A professional data visualization system integrating longitudinal trends, semantic landscapes, citation flows, and AI-driven synthesis. / 一个整合了发展趋势、语义地貌、研究流向与 AI 深度解读的专业可视化系统。
⚠️ 注意：项目包含大文件，无法直接随仓库下载。
完整项目已打包在 Google Drive，可通过以下链接获取：
https://drive.google.com/file/d/10rypllFWuEFH49B3XAQnK6kfabzsqmZW/view?usp=sharing
[EN] Between 2014 and 2024 the CV community jumped from CNN supremacy to Transformer unification and AIGC dominance. CV Explorer treats those 100k+ papers as an archaeological site: using Computer Graphics tooling (UMAP, KDE, Marching Squares, Sankey, d3-cloud) we reconstruct the "Academic Star Map" that reveals where breakthroughs erupted and how influence traveled.
[CN] 2014-2024 的计算机视觉领域经历了从 CNN 到 Transformer，再到 AIGC 爆发的范式迁移。CV Explorer 以图形学+信息可视化的方法，把 10 万+ 顶会论文重建为「学术星图」，让研究者快速定位历史脉络、转折节点与未来势能。
- SpaceX Portal & Snap Scroll / SpaceX 叙事门户：Landing 页以
bg-animation.js粒子背景、数字钟与侧边航点打造沉浸式入场，单击“Enter View”即可切换到六大视图，提供类似星舰发射的叙事实验。 - Global Dispatcher Core / 事件总线同步：
main.js通过d3.dispatch暴露viewUpdate,paperSelected,paperSelectedSync，保证年份、选中论文与 AI 面板在多视图间实时联动。 - Canvas + SVG Hybrid Landscape / 语义地貌混合渲染：
views/landscape.js将 15k 语义点云投射到 Canvas，借助 Marching Squares、迷你雷达、语义锚点与缩放手势实现科研“气候带”探索。 - Sankey-led Research Flow / 研究流向自适应：
views/flow.js接入d3-sankey@0.12.3，配合播放年轴、问题/方法过滤与 YoY 标注，跟踪检测→多模态→生成式链路的能量迁移。 - LLM-ready Insight Panel / AI 深度解读：
views/ai_panel.js将选中节点推送到 Flask 后端 (backend/server.py)，支持 Mock/DeepSeek/ChatGPT/Gemini/豆包多模型切换，并用 KaTeX + Marked 渲染 Markdown/公式，离线也可用模拟响应。 - NKU Dual Leaderboard / 南开双视角封神榜：
views/leaderboard.js提供 GLOBAL 与 NANKAI 主题，同时触发paperSelected事件，方便 AI 面板生成学者/论文小传。
Data Layer / 数据层 — cv-explorer/scripts/*.py 负责采集、清洗与降维：data_collector.py 抓取 OpenAlex（支持代理），data_cleaner.py 去重抽象，final_processor.py 调 process_advanced.py 生成 landscape_data.json、sankey_data.json 等高密度资产，data/create_data.py 补充排行榜种子。
Backend Layer / 后端层 — cv-explorer/backend/server.py 是 Flask+CORS 微服务：POST /api/analyze 将前端上下文转发到 DeepSeek/OpenAI/Gemini/豆包，未配 Key 时回退到 Mock，总能得到结构化摘要与关键词；GET /api/health 用于部署监测。
Frontend Layer / 前端层 — cv-explorer/web 采用零构建 Vanilla JS。main.js 负责 dataset fallback 加载、SpaceX Landing、全局 AI 抽屉与 Resize Observer；router.js 动态挂载 overview / landscape / flow / wordcloud / leaderboard / ai 六个视图，每个视图都是 D3 组件（Canvas+SVG+HTML overlay）。
Deployment / 部署 — 前端通过 vercel.json 部署到 Vercel（线上 demo 已连通 /api 代理）；本地可用 VS Code Live Server 或 npx http-server，后端以 python server.py 跑在 localhost:5000，可借 VS Code liveServer.settings.proxy 或 nginx 将 /api/* 反代至 Flask。
OpenAlex / Scholar dumps
│
scripts/data_collector.py → data/raw_papers.json
│
scripts/data_cleaner.py → data/cleaned_papers.json
│
scripts/final_processor.py → data/{landscape,sankey,summary,wordcloud}_data.json
│
cv-explorer/web/data/*.json ──▶ main.js state loader ──▶ router/views
│ │
└─────────────── AI selections ────────────────┘
│
backend/server.py → LLM providers / Mock
堆叠面积图+双轴折线梳理年度产出与引用，滑块同步所有视图，mini 面板即时列出该年的 Top Venues & Keywords，并自动生成年度快照叙述。
UMAP+KDE 语义蒙版叠加网格与迷你地图，支持年份/会议/锚点/平滑度调节、Canvas Zoom、语义锚点标签以及 Hover 工牌，适合探索研究“岛屿”与学科气候。
Sankey 将问题域→方法族转换为可追溯能量带，内置时间轴播放、All-year 汇总、YoY Trend Pills、关键字搜索与 Top 流向摘要，帮助观察 Transformer、Diffusion 等浪潮的接力。
d3.layout.cloud + 聚类色板将关键词按引用量、同比增速、新旧程度分类，搭配 Top5 Ranking、AI 卡片与 Year Slider，点击任意词即可把上下文推送到 AI 面板。
GLOBAL 模式展示图灵奖/Backbone 级学者与经典论文；NANKAI 模式突出南开视觉团队（Res2Net、PVT、显著性检测）。点击卡片会附带 prompt_type（scholar_profile/paper_impact）触发 LLM 解读。
双通道：全局浮动面板用于选中节点时的快速摘要；AI 页面提供 API Key 配置、KaTeX/Markdown 渲染、关键词 Chips 与 Venue/Keyword 总览，实现“图表→文字”闭环。
- Collect / 数据采集
cd cv-explorer python scripts/data_collector.py # 需要稳定代理 (默认 127.0.0.1:7890)
- Clean / 数据清洗
python scripts/data_cleaner.py # 输入 data/raw_papers.json，输出 data/cleaned_papers.json - High-density Processing / 高密度生成
重要参数：
python scripts/final_processor.py \ --input data/cleaned_papers.json \ --landscape-output data/landscape_data.json \ --sankey-output data/sankey_data.json
--top-per-year控制年度采样，--max-landscape设置语义点上限，--min-link过滤细流。 - Leaderboard Seeds / 封神榜数据
python data/create_data.py # 生成 data/leaderboard_seeds.json - Sync to Frontend / 同步前端数据 — 将
data/*.json复制到cv-explorer/web/data/，或在构建脚本中软链，保证浏览器读取本地 JSON。
cv-explorer/
├── backend/
│ ├── requirements.txt
│ └── server.py
├── data/
│ ├── cleaned_papers.json (生成)
│ ├── landscape_data.json (生成)
│ ├── leaderboard_seeds.json
│ ├── raw_papers.json (生成)
│ └── summary/wordcloud/sankey_data.json
├── scripts/
│ ├── data_collector.py · data_cleaner.py · final_processor.py · process_advanced.py
│ └── wordcloud_new.py 等分析脚本
└── web/
├── index.html · style.css · assets/
└── src/
├── bg-animation.js · main.js · router.js
└── views/overview.js · landscape.js · flow.js · word_cloud.js · leaderboard.js · ai_panel.js
Prereqs / 环境：Python 3.9+, Node.js（仅需 npx http-server 或 VS Code Live Server），可选代理（OpenAlex 抓取）。
- Install backend deps / 安装后端依赖
cd cv-explorer/backend python -m venv .venv && .venv\Scripts\activate pip install -r requirements.txt
- Configure API keys / 配置大模型 Key
setx DEEPSEEK_API_KEY "sk-..." setx OPENAI_API_KEY "sk-..." setx GEMINI_API_KEY "..." setx DOUBAO_API_KEY "..."
- Run backend / 启动后端
python server.py # 默认 0.0.0.0:5000，含 /api/analyze 与 /api/health - Serve frontend / 启动前端
或在 VS Code 中使用 Live Server。若需解决跨域，可在
cd ../web npx http-server . -p 4173
.vscode/settings.json中加入：{ "liveServer.settings.proxy": { "enable": true, "baseUri": "/api", "proxyUri": "http://localhost:5000/api" } } - Optional / 选项：使用
vercel dev同时运行前后端（Vercel 会自动把/api/*代理到 Flask）。
| Endpoint | Method | Description |
|---|---|---|
/api/health |
GET | 返回状态、已注册模型、版本号，便于存活监控。 |
/api/analyze |
POST | Body: { text, context, model, prompt_type, api_key }；根据 model 调用真实 LLM 或 Mock，输出 { summary, keywords, confidence }。 |
Sample:
curl -X POST http://localhost:5000/api/analyze \
-H "Content-Type: application/json" \
-d '{
"text": "Deep Residual Learning for Image Recognition",
"model": "mock",
"prompt_type": "paper_impact",
"context": {"year": 2016, "venue": "CVPR", "citations": 290000}
}'- Visualization / 可视化：D3.js v7、d3-sankey、d3-cloud、Canvas API、SVG overlays、ParticleBackground。
- Algorithms / 算法：UMAP、KDE、Marching Squares、TF-IDF、Citation Normalization、Sankey Layout、自适应词云聚类。
- Frontend / 前端：Vanilla JS、CSS Grid/Flexbox、SpaceX Snap Scroll Portal、KaTeX、Marked、LocalStorage 配置面板。
- Backend / 后端：Flask 3.0、Flask-CORS、Requests、多模型代理（DeepSeek/OpenAI/Gemini/豆包）+ Mock Fallback。
- Data Sources / 数据源：OpenAlex API、Google Scholar（补充引用）、内部南开学术年表。
Developed by the Computer Science Team at Nankai University. Special gratitude to Prof. Ming-Ming Cheng and the NKU Media Lab for their foundational research support. / 本项目由南开大学计算机学院团队开发，鸣谢程明明教授与 NKU Media Lab 对底层视觉研究的长期投入。
- Field / 学科: Computer Graphics (计算机图形学) · Information Visualization
- Domain / 领域: Computer Vision (计算机视觉)
- Developers / 开发团队: \o/\o/\o/team: Shang Wenxuan (尚文轩), Wang Lezhi (王乐之), Huang Yihao (黄奕浩)
- Deployment / 在线部署: https://visualization-project-2025.vercel.app/
- Repository / 代码仓库: https://github.com/ZR-1N/Visualization_Project_2025
- Google Drive/ 完整项目: https://drive.google.com/file/d/10rypllFWuEFH49B3XAQnK6kfabzsqmZW/view?usp=sharing
© 2026 CV Explorer Team(\o/\o/\o/). Built with Love in Nankai University.