如何能让人眼前一“亮“:提升视觉效率

翻译|Fay 校对|张浩明

80、90后的记忆里都有一个游戏,叫做Where’s Waldo? 如果你没有玩过也不要紧,Where’s Waldo?是一个图画游戏,穿着红白条的Waldo隐藏在画面的某个角落,读者要用最快的速度找到他。正是因为Waldo的身影总是难以寻觅,大小朋友们才乐此不疲地寻找着他。但是,你有没有想过,为什么Waldo这么难找呢?

让我们先做一个实验。首先把你的手臂伸出,竖起大拇指,看着你的指甲盖,你所看到的部位大约占到整个视野的5%:这就是任意时刻你的目光焦点所能关注到的大小。虽然它只占整个视野的5%,但它却消耗了我们视觉处理系统50%的精力。

在寻找Waldo的时候,我们首先把目光聚焦在一个位置,然后识别它的特征,判断它是否与Waldo的特征相符,最后做出判断。这个过程就是视觉查询(visual query)。

视觉效率的设计目的就是减少视觉查询的次数,提升视觉查询的速度和正确性,帮助观看者更好地认知画面所传达的信息。

因此,我们发现影响大脑神经调整的四个关键特征是:颜色、形状、距离和运动。

首先大脑接受这四个特征,然后搜寻符合的模式,将它们组合成更大的对象,从而持续在特征层面上扫描。

大脑不停识别物体特征的过程就像从千百块乐高积木中寻找到你所需要的那一块,你所关注的是积木的颜色、大小、形状是否符合你的要求,你的大脑在告诉你:那是块红色的,这是块方形的……

当我们看到下面这张模糊的图片时,大脑先是辨别出图上有两个点,两点下有一条直线,外面有一个圆,圆形上半部分有一团毛绒绒的东西,然后大脑意识到:啊,这是一张脸!

大脑不停地记忆和学习这些模式,直到形成一条能够快速反应的捷径。有时候这条捷径实在太便捷了,导致我们常常在一些意想不到的地方看到一张“脸”。

形成各种各样的思维捷径非常重要。当我们看到各种标志时,大脑几乎不需要思考,立刻就能辨别出这些它们的意思。长期学习而形成的思维捷径让你在陌生的道路上开车时,看到STOP时不假思索就知道:前方无法通行。

因此,设计中的一致性非常重要,通过对观看者大脑的训练,观看者能够迅速知道设计所传达的意思。

设计中的重要信息还要能够脱颖而出。

你可以利用颜色、形状、距离和运动四大特征的对比。红与绿、蓝与黄、黑与白都是对比色,其中黑与白的对比度最强。合理使用对比色能够突出所要传达的信息,同时要确保需要强调的内容在整个设计中的对比度最强。

使用以上四个特征时,尽量一次只使用其中之一。在下面的图中,也许你能很快分辨出蓝色和黄色的图形,或是方形和圆形,但是你很难同时把颜色和形状信息结合在一起去找到蓝色的方块。

但是换一种方法来运用它们效果就不同了。就像下面这张图一样:形状与颜色各代表一个维度的信息,从而四种类型的图形表达了四种相互关联的在信息。

在设计中要降低视觉干扰,不要把你的信息堆积在一起,尽量保证背景干净整洁。下面这张图清楚呈现了简洁的重要性。

现在在回想一下,为什么Waldo那么难找呢?

因为Waldo违反了我刚才说的每一个设计原则:

· 使用易辨认的特征

· 让重要的信息脱颖而出

· 每次只使用一种特征对比

· 保持一致性,训练你的观看者

当然,最重要的是要记住:视觉效率就是降低视觉查询的次数,而好的设计就是为了提升视觉效率,让人眼前一“亮”。

视频来源:https://vimeo.com/8317770

演讲者:RyanColeman

LeadTechnology Experience Strategist at BMO Financial Group

原文发布于微信公众号 - 大数据文摘(BigDataDigest)

原文发表时间:2015-09-07

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

DeepMind 让AI 拥有记忆并实现序列学习,AlphaGo 一周年技术盘点

【新智元导读】在 AlphaGo 获胜一周年的今天,DeepMind 发表最新研究成果,让神经网络成功在学习新任务的同时,不忘老的任务,向着自适应学习迈出重要一...

36990
来自专栏AI科技大本营的专栏

全解今日头条大数据算法原理(附PPT & 视频)

3分钟了解今日头条推荐算法原理 来源 | 今日头条 今天,算法分发已经是信息平台、搜索引擎、浏览器、社交软件等几乎所有软件的标配,但同时,算法也开始面临质疑、挑...

57260
来自专栏CDA数据分析师

【零一】从0开始,教你如何做数据分析#中阶#第九篇

大家好,我是零一。这一篇给大家介绍探索关系。 我的公众微信号是start_data,欢迎大家关注。 探索关系是非常好玩的一件事情。先给大家讲个故事。据说很久很久...

23180
来自专栏AI科技评论

产业报告 |“Deep Learning”再次无缘Gartner技术成熟度曲线

雷锋网按:Gartner技术成熟度曲线(Hyper Cycle)是Gartner著名并受到市场广泛认可的一项市场评估手段。它通过量化一个技术从诞生到进行成熟的产...

37350
来自专栏CSDN技术头条

数据vs.算法,究竟谁更重要

【编者按】随着服务器愈加的廉价,集群计算框架愈加成熟,大家似乎已经完全把眼光放到海量的数据上,算法的精心调校似乎已成为某些领域或者某些公司才去钻研的事情。那么,...

20390
来自专栏新智元

视频人脸模糊:微软研究院最新基于 AI 算法的自动打码技术

【新智元导读】 将模糊图像变高清的技术很受关注,不过同样应用范围很广的视频自动打码技术似乎比较低调。微软研究院最新提出一套基于人工智能算法的视频人脸模糊解决方案...

493130
来自专栏新智元

【史上最强机械手】无需提前了解物体,100%识别,适用多种非结构化场景

新智元编译 来源:MIT 编译:克雷格 【新智元导读】最近,由MIT和普林斯顿大学研究人员开发一款名为“拾放(pick-and-place)”的系统。“...

398110
来自专栏华章科技

干货丨3分钟了解今日头条推荐算法原理

今日头条的内容分发算法一直颇神秘低调。自12年开发运营起进四次改版,从未透露核心内容。

20320
来自专栏人工智能头条

如何成为一名对话系统工程师

24930
来自专栏程序员宝库

今日头条算法原理(全)

▲3分钟了解今日头条推荐算法原理 今天,算法分发已经是信息平台、搜索引擎、浏览器、社交软件等几乎所有软件的标配,但同时,算法也开始面临质疑、挑战和误解。今日头条...

52070

扫码关注云+社区

领取腾讯云代金券