TwistLens：导览员信息引导的图像转换系统，用于生成激发期待和诠释体验的博物馆参观预览

文献标题

TwistLens: A Docent-Informed Image Transformation to Create Previews That Prompt Anticipation and Interpretive Experiences Before Museum Visits

出版信息

• 研究领域: 基于人工智能的视觉转换在博物馆预览设计中的应用。
• 关键词: 期待感，解释性学习，博物馆预览，AI转换，EchoLens，DecoyLens，语义分析，防剧透，好奇心，讲解员驱动设计。

背景与问题

• 问题/挑战: 传统的博物馆预览要么用大量文字压倒参观者，要么通过完整的视觉展示破坏惊喜感。现有的剧透管理技术主要集中在文本或隐私方面，忽视了在视觉情境中平衡期待感与解释性学习的需求。
• 重要性: 期待感能够增强好奇心和愉悦感，而解释性学习则能加深参与度。解决这一平衡问题，可以将参观前的材料转化为丰富博物馆体验的工具。
• 动机与相关研究: 先前的研究强调了模糊性和好奇心在促进参与中的重要性，但缺乏将这些原则应用于视觉预览的方法。目前的视觉模糊化方法关注隐私，而非期待感或学习需求，这在设计激发好奇心而不破坏体验的预览时留下了空白。

解决方案

• 提出的方法: TwistLens，一个基于人工智能、讲解员驱动的图像转换系统，通过语义扭曲的预览来保留期待感并促进解释性学习。
• 创新点:
  1. 提出了两种转换策略：EchoLens（保留意义，改变表现形式）和 DecoyLens（扭曲意义，保持连贯性）。
  2. 开发了一个结构化的信息分类法，用于指导语义转换。
  3. 通过实证研究展示了语义转换如何在博物馆情境中增强期待感、好奇心和学习效果。
• 流程与关键技术:
  1. 输入艺术作品和讲解员文本。
  2. 使用信息分类法分析文本以识别关键元素。
  3. 通过多模态分析分割与关键元素对应的图像区域。
  4. 对分割区域应用 EchoLens 或 DecoyLens 转换。
  5. 生成带有清晰视觉标记的预览，指示被改变的区域。

结果

• 具体发现:
  • TwistLens 提高了参观前的期待感（M = 5.30 vs. 4.40, p < .01）和好奇心（M = 5.05 vs. 3.70, p < .001）。
  • 参观后，它增强了愉悦感（M = 5.50 vs. 4.15, p < .001）和惊喜感（M = 5.00 vs. 2.25, p < .001）。
  • DecoyLens 在防剧透方面更有效（M = 4.75 vs. 1.65, p < .001），而 EchoLens 在视觉舒适性和解释性清晰度方面表现更佳。
• 相较基线的优势: 与传统预览相比，TwistLens 更好地保留了期待感，激发了好奇心，并支持主动学习，同时避免破坏原始视觉效果。
• 实验/评估:
  • 与21位艺术爱好者的共创研究，优化了八个信息类别的策略偏好。
  • 在虚拟展览中与20名参与者进行对照评估，比较 TwistLens 与传统宣传册在期待感、好奇心、学习和防剧透方面的表现。
• 局限性与未来工作:
  • 艺术家和策展人的参与有限；未来版本应更多地纳入这些利益相关者。
  • 当前系统作为预处理工具运行；未来可探索实时或交互式转换。

总结

TwistLens 是一个基于人工智能的系统，通过讲解员驱动的语义转换预览，在博物馆情境中平衡期待感与解释性学习。通过 EchoLens 和 DecoyLens 两种策略，它选择性地改变视觉元素以保留好奇心并防止剧透。实证研究证明，与传统预览相比，它在增强期待感、好奇心和学习方面更为有效。未来工作将致力于更多艺术家-策展人协作，并探索实时、交互式应用在教育和宣传媒体等更广泛领域的潜力。