视觉素养与视觉注意的双向预测：一种无告知的方式

考虑个体差异有助于提高可视化设计的效果。虽然视觉注意在可视化解读中受到良好认知，但现有研究常忽视其如何基于视觉素养水平而异。基于235名参与者的调查数据，覆盖三个可视化测试（mini-VLAT、CALVI和SGL），我们展示了视觉数据探索中不同的注意模式可与参与者的素养水平相关联：专家（高分者）通常表现出强烈的注意力聚焦，而新手（低分者）关注较少且探索更广泛。我们随后提出两种计算模型，利用这些见解：Lit2Sal——一种给定观察者视觉素养水平预测其注意力的新型视觉显著性模型，以及Sal2Lit——一种从人类视觉注意数据预测视觉素养的模型。我们的定量和定性评估表明，Lit2Sal在考虑素养因素的显著性模型中超越了现有最先进方法。Sal2Lit仅凭一个注意力图即可以86%的准确率预测素养，为需要不到一分钟即可完成的素养评估提供了一个高效补充。综合而言，我们独特的方法考虑了素养差异对显著性模型和视觉注意在素养评估中的作用，为增进理解的个性化视觉数据传播开辟了新方向。