Automatické umísťování popisu je klíčovým aspektem vizualizace dat. Popis je zásadní pro zvýšení srozumitelnosti a čitelnosti vizuálních reprezentací napříč různými oblastmi, jako jsou kartografie, lékařské zobrazování a krizový management. Popisek, v plurálu popis, v tomto kontextu odkazuje na textovou nebo symbolickou anotaci, která identifikuje nebo vysvětluje konkrétní bodový prvek v rámci vizualizace, jako je název města na mapě, hodnota měření na lékařském snímku nebo pozice defibrilátoru v situační mapě pro krizový managment integrovaného záchranného systému. Tato disertace si klade za cíl prohloubit tuto oblast vývojem nových metod, které řeší inherentní výzvy spojené s umísťováním interního a externího popisu v komplexních vizualizacích.  Interní popis spočívá v umístění textových nebo symbolických anotací poblíž bodových prvků uvnitř hranic vizualizace. Externí popis naopak odkazuje na umístění mimo hlavní vizualizaci, kde jsou bodové prvky propojeny s příslušným popisem pomocí čar. 
Náš výzkum se zaměřuje na tři klíčové oblasti: dosažení časově stabilního a vizuálně koherentního umístění popisu na okraji vizualizace, využití strojového učení ke zvýšení úplnosti popisu a optimalizaci umístění popisu s využitím percepčních poznatků. Disertace poskytuje komplexní přehled stávajících přístupů, který identifikuje významné mezery v řešení dynamických vizualizací a udržování vizuální koherence. Literární přehled také ukazuje, že kvalita umístění popisu není zcela a přesně definována a mnohé kartografické doporučení se spoléhají na zažité postupy spíše než na empirické studie s uživateli. Na základě těchto poznatků jsme představili nové optimalizační metody umísťování popisu na okraj dynamických panoramatických vizualizací, které minimalizují pohyb popisu a snižují kognitivní zátěž uživatele. Experimentální výsledky demonstrují signifikantní zlepšení vizuální koherence popisu bez negativního vlivu na jeho čitelnost nebo jednoznačnost. V kontextu interního umísťování popisu jsme prozkoumali význam hlubokého posilovaného učení a na tomto základě jsme představili novou metodu, která výrazně zlepšuje úplnost popisu, zejména v hustých a komplexních vizualizacích. Dále jsme uspořádali percepční studii, která identifikuje uživatelsky preferované pozice popisu kolem význačných bodů, zpochybňuje konvenční doporučení a vyzdvihuje důležitost zohlednění uživatelských preferencí při umísťování popisu. Naše následná studie zabývající se preferovanou hustotou popisu, což je téma v existující literatuře zřídka zkoumané, dále potvrzuje, že integrace percepčních poznatků do procesu umísťování popisu výrazně zlepšuje celkový uživatelský zážitek, což vede k intuitivnějším a přehlednějším vizualizacím. 
Ačkoli představené metody poskytují podstatná zlepšení oproti stávajícím technikám, je potřeba zmínit také jejich limitace, jako je komplexní implementace optimalizační metody umísťování popisu v dynamických vizualizacích a výpočetní náročnost umísťování popisu s využitím posilovaného učení. Budoucí směry výzkumu zahrnují vývoj smíšených modelů umísťování popisů pro 3D vizualizace, optimalizaci výpočetní efektivity a další prohlubovaní znalostí o vnímání popisu uživatelem.