在數字廣告領域，洞察消費者的目光焦點是實現精準傳播的關鍵一步。設想一下，如果廣告商能夠精準預測不同年齡、不同性別的消費者在廣告畫面中更傾向于關注哪些細節元素，那么廣告創意的優化、投放效果的評估將變得更加科學可控。這不僅能夠提升信息傳遞的效率，還能顯著降低營銷資源的浪費，幫助品牌方和廣告商更科學地實現“精準觸達”。

而這正是明略科技最新研究成果《PRE-MAP: Personalized Reinforced Eye-tracking Multimodal LLM for High-Resolution Multi-Attribute Point Prediction》的未來價值所在。目前，該論文以其理論創新和應用價值，已被全球多媒體技術領域的旗艦會議ACM MM 2025正式接收，并有望為廣告測量的智能化發展樹立新范式。

明略科技集團創始合伙人、總裁兼首席財務官姜平也深度參與了這項開創性研究，并擔任論文共同第一作者。

01 現有技術的短板：像素瓶頸與個性化盲區

盡管眼動追蹤是一個近年來備受關注的研究方向，但傳統技術仍存在顯著的短板，阻礙了其真正解鎖個性化視覺認知的潛力：

● 像素級別的”近視癥”

傳統模型就像戴著厚眼鏡的”近視眼”，通常依賴于低分辨率圖像生成注視熱圖，或通過對低分辨率特征圖進行上采樣重建，這會導致空間精度下降和明顯的方塊偽影，造成細節效果大打折扣。即使在高分辨率下訓練和推理，最終結果仍需放大至原始尺寸，難以保留細節，影響預測精度。

● “千人一面”的定式

大多數模型默認所有觀察者的注視模式相同，忽略了不同個體的差異性，如性別、年齡、經驗等。未能有效捕捉廣泛人群在視覺注意力分布上的顯著差異，限制了模型的泛化能力和個性化預測效果。

● 數據的”營養不良”

大模型的性能高度依賴多樣化、大規模、高質量數據的供給。然而，現有注視點預測數據集樣本數量有限，尤其是與廣告營銷相關的數據，缺乏涵蓋廣泛個體差異的標注數據，限制了AI對復雜人類視覺行為的學習能力。

02 雙重革新：SPA-ADV數據集與PRE-MAP模型

面對這些挑戰，明略科技的研究團隊從根本上重新思考問題，并基于——更準確地預測個體在觀看視頻時的注視點、避免傳統方法因分辨率限制導致的細節丟失與預測精度不足，兩大研究目標，從數據和技術框架兩方面進行了革新，提出了有針對性的解決方法。

?? 新數據集SPA-ADV：視覺行為的百科全書

為了更好解析不同個體在觀看視頻時的注視差異，研究團隊構建了全新的大規模個性化注視行為數據集SPA-ADV。這一數據集涵蓋了4500多名不同年齡段、性別的真實用戶對486個精選廣告視頻的細致注視記錄，包括眼球運動軌跡以及精確的注視點坐標等真實視覺行為。

SPA-ADV數據集的獨特之處在于：

● 廣泛捕捉了個體屬性（如性別、年齡）的顯著影響，為大規模個性化注視行為的建模和分析奠定基礎，一定程度上解決了模型訓練中存在主觀偏差與推廣能力不足的問題。

● 數據規?？涨按?，為個性化顯著性建模提供了高質量的基準數據支持。

?? 自研PRE-MAP模型：個性化視覺預測引擎

基于數據集，明略科技進一步研發了PRE-MAP創新AI預測模型，通過兩大關鍵模塊，實現個性化視覺注視點的高精度預測：

● 多屬性點式注意力建模（Multi-Attribute Point-Based Attention）

傳統模型類似“油畫筆”，無法精準勾勒個體注視點，生成的注視熱圖較為模糊。而PRE-MAP則像是一支“激光筆”，能在全高清畫面中精確定位注視點。

PRE-MAP通過融合用戶屬性（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。例如，當輸入”35歲女性觀看化妝品廣告”時，PRE-MAP會結合這位用戶可能具有的視覺偏好和廣告中的視覺元素，直接預測出她最可能關注的精確位置，而非籠統的區域。

● Consistency Group Relative Policy Optimization（C-GRPO）

由于注視點預測是一個結構化輸出任務，如何確保預測結果的空間一致性與格式規范至關重要，深刻影響可視化與后續應用。

PRE-MAP在訓練過程中引入了一種基于強化學習的優化機制——Consistency Group Relative Policy Optimization（C-GRPO），通過對預測點的空間一致性與格式規范進行策略約束，進一步增強個性化注視點預測的可控性與精度。

根據論文中的實驗結果，PRE-MAP的表現得到了充分驗證。與傳統模型（如SUM和Transalnet）相比，PRE-MAP在多個維度上的表現遠超業內平均水平，使用PRE-MAP預測的注視點分布精準、邊緣高度吻合人眼的真實注視位置。

03 解碼視覺：重塑人機溝通的未來圖景

縱觀數智技術的發展歷程，技術價值的體現從不止于數據的數量或算法的復雜性；真正的突破在于，能否通過數據洞察與模型演進，為人類行為和認知打開更深層的理解窗口。

PRE-MAP研究正是對這一理念的實踐，它通過多模態技術的創新探索，實現讓AI深度剖析人類視覺行為，從“籠統理解人們在看什么”走向“精確預測什么樣的人在看哪里”，幫助廣告行業從粗放式傳播邁向尊重個體差異的精準溝通，賦能AI更好地理解‘人’，并與‘人協作。