当前位置:首页 > 科研成果库

视觉传达技术正在被重新定义,可多数人还盯着“好不好看”不放

2026-11-14 08:02:26小研科研成果库4

上周跟一个做视觉认知研究的朋友吃饭。他吐槽说,现在最头疼的不是收不到数据,是数据多到不知道从哪儿看起。

一套视觉传达的素材丢进眼动仪。二十个被试,每人看一分钟。出来的东西——注视点坐标、注视时长、扫视路径、回视次数、瞳孔直径变化……几百个维度的时序数据。光清洗就得三天。我说这不是好事吗。他笑了笑:以前做设计靠感觉,现在得先证明你的感觉在统计学上站得住脚。

这个转向其实挺关键。**视觉传达技术这条线,正在从“审美经验主导”滑向“感知机制主导”**。而且是加速滑。

注意力是有物理量的,别再拍脑袋了

有个概念叫视觉显著性(visual saliency)。说白了就是画面里哪些区域会“自动”抢走你的注意力。颜色对比强的、边缘锐利的、和周围环境不一样的、突然动起来的——这些东西不需要你主动去看,眼睛自己就扑上去了。

做前端算法的朋友应该熟悉这个。图像显著性检测模型,从早期的 Itti-Koch 到后来的 DeepGaze 系列,本质都在干同一件事:预测人眼会先看哪儿。

这件事对视觉传达技术意味着什么?意味着**版面布局不再是“我觉得这个 logo 放左上角挺舒服”,而是可以事先算出哪个位置能拿到最长注视时长**。讲得再直白点,注意力是可以被量化的物理量。还真就这么回事。

眼动仪注视热力图视觉传达版面注意力分布眼动仪注视热力图视觉传达版面注意力分布

不过我得泼一点冷水。

显著性模型不是万能的。实验室里预测静态图片很准,一换成真实的手机屏幕、地铁广告、超市货架包装,准确率掉得厉害。原因也简单——真实场景里变量太多了。光线、观看距离、情绪状态,甚至你今天有没有睡好,都会干扰。

所以现在比较靠谱的做法,是拿显著性预测和真人眼动数据交叉验证。模型给一个先验,实验去修正它。听着挺笨的,比纯拍脑袋强多了。

颜色不只是颜色,它是一整套编码系统

聊视觉传达,绕不开颜色。但我想说的不是配色好不好看。

说个数据。全球大约 8% 的男性和 0.5% 的女性存在某种程度的色觉缺陷,红绿色盲最常见。你把一个图表里“上涨”标红、“下跌”标绿,这 8% 的人看到的可能就是一团分不开的糊。

科研圈这几年在推的,是**无障碍视觉传达的量化标准**。比如 WCAG(Web 内容无障碍指南)里的对比度算法,用相对亮度算前景和背景的比值,要求正文至少 4.5:1,大字号至少 3:1。

很多人觉得这条规定太教条。可你真去测一测自己做的界面,会发现——不少看着“挺清楚”的浅灰字,实测对比度只有 2.8:1。自己看着舒服,不代表别人看得清。这就有点微妙了,因为设计师的屏幕往往比用户的屏幕好。 色觉缺陷模拟对比图视觉传达无障碍配色方案色觉缺陷模拟对比图视觉传达无障碍配色方案

再往深一层说。

颜色在视觉传达技术里承担的是编码功能——不是装饰。红黄绿对应状态,冷暖对应情绪倾向,饱和度对应信息层级。一旦把颜色当成编码,那它就得满足编码的基本要求:可区分、可复现、在噪声环境下仍然可读。

我现在看一份数据可视化,第一反应不是“好不好看”,是“灰度打印出来还认得出吗”。这习惯有点变态,但确实能筛掉一大批花架子。

生成式模型正在改写流程,也埋了新坑

2023 年之后,视觉内容的生成门槛几乎被抹平了。输入一段文字,几十秒出来一张图。做视觉传达的人,感受最直接。

效率确实上来了。以前一套主视觉,从概念到完稿两三天。现在半小时出二十个方向,挑一个细化就行。

但这里有个反直觉的问题——

**生成式模型擅长的是“看起来对”,不是“传达得准”。**

它学的是海量图像里的统计规律。什么构图常见、什么配色高频、什么风格被反复标注过,它就往那儿靠。结果就是:出来的一切都“挺好看”,但经常没有明确的信息层级,也没有针对具体受众做的取舍。

你让它画一张急救流程示意图试试。它大概率给你一张构图漂亮的插画,可步骤顺序、视觉动线、关键信息点的强调——全乱。

所以我们团队现在的实际分工是:生成拿来做风格探索和素材铺底,信息架构和视觉层级还是人工定。AI 出草图,人做骨架。听着不够酷,但这确实是目前最能保住传达效率的做法。

生成式AI辅助视觉传达设计工作流程界面生成式AI辅助视觉传达设计工作流程界面

还有一个坑,是版权和一致性。同一个品牌,你今天用一个模型,明天换个版本,视觉基调可能就飘了。做视觉传达最怕这个——一致性一崩,识别度就没了。

已经有机构在搭自己的模型微调库,锁定品牌色域、字体倾向、构图偏好。这算是把视觉传达技术往工程化方向又推了一步。

最后说两句实在的

视觉传达技术这几年最大的变化,在我看来不是工具变强了,是**判断标准变硬了**。

以前“好看”是个主观词,谁嗓门大谁说了算。现在你可以拿眼动数据、对比度数值、识别准确率、反应时长来说话。这不是要取消审美,是给审美加了一层可验证的地板。

但话说回来,数据也不能全信。

人是活的。今天你路过一块广告牌扫一眼,明天可能盯着看十秒。实验室里的被试,和地铁里赶时间的人,压根是两个物种。所以我的态度一直是:**用数据定底线,用直觉做上限**。两头都别丢。

写到这儿有点长了。反正就一句话——谁先把感知机制摸透,谁就在视觉传达这件事上占便宜。眼神这东西,比嘴巴诚实多了。