视觉感知与空间呈现：从动画到3D的探索

### 视觉感知与空间呈现：从动画到3D的探索 在视觉领域，我们对世界的感知涉及诸多有趣的现象和原理，从动画运动的感知到3D空间的呈现，都蕴含着丰富的知识。 #### 动画运动的感知 我们对动画运动的感知能力超乎想象。研究表明，我们不仅能通过简单动画感知因果关系，还对具有生物起源的运动高度敏感。 - **Johansson的实验**：Gunnar Johansson在演员的肢体关节上附着灯光，拍摄他们进行如行走、跳舞等活动的影片。在静止画面中，看到的只是看似随机的光点集合，但当光点动起来，观众能立刻意识到这是人类的运动，还能识别演员的性别和他们正在执行的任务，而且有些识别在极短的曝光时间内就能完成。 - **Heider和Simmel的实验**：他们制作了包含两个三角形和一个圆形运动的动画电影。观看者很容易将人类特征赋予这些形状，比如认为某个形状很生气，或者这些形状在相互追逐，并且不同观察者的解读具有一致性。这表明运动模式能够传达意义。 - **跨文化研究**：Rimé等人对欧洲、美国和非洲的受试者进行简单动画的跨文化评估，发现运动可以表达善良、恐惧和攻击等概念，且不同文化间的解读有很大相似性，这暗示了一定程度的普遍性。 这些研究结果表明，简单动画在数据表达方面具有强大的潜力。简单运动可以有力地表达数据中的某些关系，抽象形状的动画能显著扩展自然传达信息的词汇量，超越静态图表的能力。简化的运动技术在多媒体展示中可能很有用，不过如今网页上那些爬行和跳跃的动画生物往往是不必要且分散注意力的。就像静态图表追求优雅一样，使用动画的图表也应如此。目前需要开发一套简单而富有表现力的动画词汇，鉴于动画工具在信息显示系统中越来越普及，这一需求十分迫切，更多的设计工作和研究是必要的。 #### 模式发现的过程 大脑的模式发现机制在我们观察事物时起着重要作用。当我们看到熟悉的事物时，感知大多是大脑中存储信息的产物，即我们往往看到我们所知道的。但发现新的模式则不同，因为大脑没有相同的记忆资源来构建意义。 在数据探索中，认知任务需求会导致视觉查询的形成，从而重新调整不同的通道。如果任务需要颜色通道中存储的信息，那么该信息会在神经上得到增强，彩色目标会变得更加明显。在这方面，寻找模式与寻找单个符号类似。 Ullman提出大脑中存在低层次的过程来提取抽象模式。在本章中，我们看到研究表明这些过程可能通过扩展轮廓来运作，并且对于具有共同纹理或颜色的区域也存在类似机制。Ullman理论的一个关键点是，大脑中同时运行的模式操作符数量有限。我们只能在脑海中同时追踪极少数的轮廓，简单的轮廓可能同时追踪少于五个，稍微复杂的可能只能追踪一个。对于由纹理或颜色定义的区域也是如此。注意力罩理论认为，不同纹理的区域会竞争注意力，注意力的分配既取决于它们的显著性，也取决于当前认知任务产生的视觉查询的自上而下的影响。 为了更好地理解这一过程，我们可以进行一个现象学的自我实验。如图所示，它故意使用不同的通道展示各种相互关联的结构。当我们提出诸如“所有黄色方块是否都由红色线条连接？”或“蓝色区域上有哪些符号？”等视觉查询时，会注意到在观察显示以回答这些问题时，某些特征会变得更加明显，而其他特征则会淡化。这是由于眼球运动和注意力通过视觉通道的作用，提取了某些模式组件。需要注意的是，大脑能够把握的新模式的复杂性存在严格限制，超过一定的复杂性，新的模式就难以轻易理解。 #### 空间感知的深度线索 我们生活在一个三维世界（如果包括时间则是四维）。在可视化研究的短暂历史中，大多数图形显示方法要求将数据绘制在纸张上，但现在计算机的发展使我们能够在显示器屏幕后创建三维空间的错觉，并且可以根据需要随时间变化。然而，为什么要这样做是一个关键问题。传统的二维技术，如条形图和散点图，有明显的优势，大脑中最强大的模式发现机制在二维中运作，而不是三维。设计师已经知道如何有效地绘制二维图表和表示数据，并且结果可以轻松地包含在书籍和报告中。不过，3D计算机图形的迅猛发展使得人们对3D空间感知产生了兴趣，但也导致了大量设计不佳的3D作品出现。通过理解空间感知，我们希望减少不良的3D设计，并明确3D表示真正有用的情况。 空间感知涉及多种深度线索，这些线索可以分为以下几类： |类别|深度线索| | ---- | ---- | |单眼静态（图片）|线性透视、纹理梯度、大小梯度、遮挡、焦点深度、从阴影中推断形状、垂直位置、与熟悉物体的相对大小、投射阴影、眼睛调节产生的深度（非图片线索）| |单眼动态（动态图片）|运动结构（动态深度、运动视差）| |双眼|眼睛会聚、立体深度| 其中，立体深度感知受到更多关注，并非因为它最重要，而是因为它相对复杂且难以有效使用。 #### 透视线索 透视几何可以根据特定的视点和画面平面来描述。画面平面上每个特征的位置是通过从视点向环境中的该特