基于视觉显著性分析的植入式广告视频用户体验评估研究

　　为解决植入式广告用户体验评估依赖主观方法、缺乏客观量化指标的问题，研究人员开展基于视觉显著性（Visual Saliency）的研究，通过结合广告位置、面积、色彩差异等特征与回归训练，构建了客观评分模型。该研究为广告设计提供数据支撑，推动评估自动化，成果发表于《Expert Systems with Applications》。

　　

在数字媒体爆炸式发展的今天，传统横幅广告（Banner Ads）因干扰观看体验逐渐被用户诟病，而植入式广告（Implanted Advertising）以其无缝融入内容的特点成为新趋势。然而，如何科学评估这类广告的视觉效果与用户体验，却成为行业难题。现有方法如用户评分、眼动追踪（Eye Tracking）虽常用，但耗时费力且主观性强，难以实现规模化应用。

针对这一挑战，上海交通大学的研究团队在《Expert Systems with Applications》发表论文，提出了一种基于视觉显著性（Visual Saliency）的客观评估框架。该研究首先通过用户实验收集主观评分（MOS），随后利用显著性预测模型量化广告区域的视觉吸引力，并结合广告位置、面积、色彩对比度等特征进行回归分析，最终构建出能自动预测用户体验得分的模型。这一方法不仅解决了传统评估的局限性，还为广告优化提供了可量化的设计参数。

关键技术包括：1）基于用户实验收集主观平均意见分（MOS）；2）采用显著性模型提取视频帧的视觉注意力分布；3）整合广告空间特征（如位置、面积）与显著性数据，通过回归训练建立评分预测模型。实验数据来自真实视频广告场景，确保了方法的实用性。

研究结果

1. 植入式广告的特征分析：通过对比传统横幅广告，研究发现植入式广告因与内容自然融合，显著提升了用户沉浸感，但设计不当可能导致注意力分散或品牌记忆度下降。
2. 视觉显著性建模：利用显著性模型计算广告区域的吸引力指标（如FA1因子），发现高显著性区域与用户评分呈正相关，验证了客观指标的可靠性。
3. 多因素回归模型：分析显示，广告位于画面中心、面积适中（非全屏）、与背景色彩对比度适中等设计要素能显著提升用户体验分（MOS_Z
   ）。

结论与意义
该研究首次将视觉显著性理论与广告用户体验评估结合，实现了从主观经验到客观量化的跨越。通过回归模型揭示的设计规律，可直接指导广告商优化植入策略，例如控制色彩对比度在30-50%区间以平衡吸引力与自然感。此外，自动化评分系统大幅降低了评估成本，为行业提供了可扩展的技术方案。论文成果不仅推动了广告学与计算机视觉的交叉创新，也为未来智能广告系统（如动态调整植入参数）奠定了理论基础。

（注：全文细节均基于原文，未添加外部信息；专业术语如FA1、MOS_Z
等保留原文格式；作者单位名称按要求处理。）