AI知道「你在看哪里」：明略科技明敬PRE-MAP模型，破解你的注意力密碼

AI不再只「看得見」，它開始「看得懂」——不僅懂你在視頻中注視的具體位置，更懂你是誰，並據此做出精準預測。這正是明略科技的研究成果《PRE-MAP: Personalized Reinforced Eye-tracking Multimodal LLM for High-Resolution Multi-Attribute Point Prediction》的核心突破，該論文近日已被全球多媒體技術領域的旗艦會議ACM MM 2025正式接收，得到了廣泛關注。

這項創新成果的目標看似單一：預測用户在廣告視頻中的注視點。但其背后的技術矩陣堪稱「多模態AI的頂配組合」：大語言模型（LLM）、多模態學習、個體屬性建模、眼動數據採集、高分辨率圖像處理與強化學習。

圖片來源：明略科技

當它被置於「注意力即價值」的廣告營銷場景中時，一場真正的變革已悄然開啟。

個性化注意力預測：廣告測量的下一張王牌

廣告最看重的，是「受眾是否看到了重要信息」，而不是廣告主「在廣告里放置了什麼信息」。但這個「看」，卻沒有被真正精確地量化過。

過去，無論是焦點小組、A/B Test，還是后期行為追蹤，都屬於事后統計，是對有限樣本的效果覆盤。而明略科技的最新研究則帶來了新的解題方法：用AI模擬用户的真實注視行為，提前預判人對廣告內容的注意力分佈，並實現個性化差異呈現。

它是如何做到的？明略科技以兩項基礎創新為支點：一個是超大規模的真實眼動數據集SPA-ADV；另一個是創新的注視點預測模型明敬PRE-MAP。

SPA-ADV數據集涵蓋了4500多名不同年齡段、性別的真實用户對486個精選廣告視頻的細緻注視記錄，包括眼球運動軌跡以及精確的注視點座標等真實視覺行為，為個性化顯著性建模提供了高質量的基準數據支持。

圖片來源：明略科技

這也為明敬PRE-MAP的「個性化預測」能力提供了豐富的「數據燃油」，使它不僅能夠預測「人會看哪里」，更能進一步預判「一個30歲女性可能會在視頻第3秒看向畫面的哪個區域」。

這標誌着廣告評估領域，正迎來從「羣體平均」到「個體洞察」的結構性躍遷。

大模型的新任務：從生成到認知推理

與當前大熱的文生圖、視頻生成不同，明敬PRE-MAP大模型的應用不是爲了生成內容，而是爲了「感知內容，並推理人類視覺行為」。這正是多模態大模型邁向下一階段的關鍵能力：理解人類是如何感知世界的，從而更好地發揮人機協同的價值。

明敬PRE-MAP背后的建模邏輯很清晰：將用户屬性（如年齡、性別）通過Prompt嵌入模型，配合高分辨率廣告視頻段，輸出用户在該場景中可能產生的注視點座標，並生成可視化熱圖。

從技術實現來看，明敬PRE-MAP拋棄了傳統的低分辨率特徵圖上採樣重建方法，採用了「點式預測」機制，即直接輸出一幀圖像中用户可能注視的若干個點。比起「模糊的熱區」，這種機制可以更真實、更精準地還原人眼的真實運動軌跡。

圖片來源：明略科技

論文的實驗結果充分驗證了這一點。與SUM、Transalnet等多個主流模型相比，明敬PRE-MAP在各項評估指標上均表現出顯著優勢，其預測的注視點分佈精準，邊緣與人眼的真實注視位置高度吻合。

隨着模型持續演進，未來的明敬PRE-MAP甚至可能明確指出：「該用户的第一注視點是左上角人物的眼睛，第二注視點是右下角的品牌Logo，第三是中央字幕。」

這種高精度點式輸出，對廣告主而言價值巨大：它不只是「知道你是否在看」，而是「知道你先看哪、后看哪、忽略了什麼」，並據此優化廣告內容，抓住更多注意力。

技術解構：精準和個性化的雙重突破

明敬PRE-MAP模型的技術核心包括兩部分，分別解決了「個性化預測」「精準定位」的技術難題。

一方面，模型通過多屬性點式注意力建模進一步增強預測位置的精度，讓大模型更容易精確定位不同屬性人們的注意力焦點；另一方面，模型通過C-GRPO機制讓預測結果更容易被清晰呈現：

● 多屬性點式注意力建模（Multi-Attribute Point-Based Attention）：基於多模態大模型（MLLMs），融合用户屬性（如性別、年齡）與視頻語義內容，引導模型在高分辨率視頻幀上直接預測個性化注視點，提升預測的針對性與分辨率保真度。

● Consistency Group Relative Policy Optimization（C-GRPO）：一種基於強化學習的優化機制，通過對預測點的空間一致性與格式規範進行策略約束，進一步增強個性化注視點預測的可控性與精度。

圖片來源：明略科技

廣告之外的更大圖景：把「人」的認知反饋嵌入AI系統

明敬PRE-MAP的研究無疑是廣告測量領域的一劑強心針，但它背后的技術邏輯價值遠不止於此。它提供了一套新的思路——AI系統應當學會感知、理解並模擬人類的主觀認知反饋，並將其融入生成與推理中。

這對於AI Agent、推薦系統、遊戲設計、教育內容編排等不同場景同樣具有啓發意義。例如：

教育視頻如何根據不同年齡段學生的注意力模式優化鏡頭？

遊戲中的視覺引導如何為不同玩家羣體進行個性化設計？

短視頻封面生成系統能否優先考慮不同用户的視覺興趣點？

明敬PRE-MAP所構建的高分辨率注視預測 + 多模態大模型建模 + 可控輸出機制，為這些問題提供了新的啟示。

長遠來看，對包括廣告在內的廣泛行業而言，它將使「創意」成為一個更可量化、可測試、可優化的技術問題。對AI大模型的發展而言，它是將「人類感知」嵌入大模型的前瞻性嘗試。理想的未來圖景中，AI能夠理解人類的需求、意圖和情感，並提供相應的支持與解決方案，人類也能更好地理解AI的內容生成與決策過程，從而建立更加和諧有效的人機關係。