视觉吸引力解码：GPT-4o如何镜像人类兴趣
计算机视觉与模式识别
2025-10-16 v1
摘要
我们的日常生活深受我们消费和看到的内容影响。吸引并保持注意力——即（视觉）吸引力的定义——至关重要。规模庞大的视觉和文本数据的大型多模态模型（LMMs）已展现出惊人的能力。我们探讨这些模型是否捕捉到视觉吸引力概念的潜力，并通过比较分析检验GPT-4o（一种领先的LMM）的预测与人类评估之间的对齐程度。我们的研究揭示，人类与GPT-4o之间存在部分对齐。GPT-4o在与最先进方法相比方能捕捉到此概念，从而有效地对图像对根据其（普遍）吸引力进行标记，这些标签被用于训练数据蒸馏到学习排序模型中。这些见解为更深入地理解人类兴趣之道。
引用
@article{arxiv.2510.13316,
title = {Visual Interestingness Decoded: How GPT-4o Mirrors Human Interests},
author = {Fitim Abdullahu and Helmut Grabner},
journal= {arXiv preprint arXiv:2510.13316},
year = {2025}
}
备注
ICCV 2025