陈筝 李晔

1 背景

传统风景视觉评价往往采用标准化的实景或照片打分[1-4]方式，由于高昂的研究成本，这类打分研究的被试样本和照片样本的数量往往都不多。而照片分享网站则提供了风景照片的众包评价数据，可以对海量风景照片进行主观偏好打分[5-6]，比传统方式更加方便、成本更低。研究发现，不仅是评价数据，社媒数据中照片分享频度及其文本信息也能在一定程度上反映风景的社会价值和优美度，并且在不同社交平台上有较好的相似性和稳定性[7]。有相当一部分的学者关注通过对照片图像进行语义分割，提取画面中的内容及其组合这类高级认知信息，研究它们是如何影响环境宜人性[8-9]。

新数据和分析的准确性取决于识别有效指标并将之作为输入特征，而这种特征的选择有赖于中小样本研究所得到的揭示影响机制的结论。需要注意的是，目前对于景观风貌偏好的特征较大程度上依赖于语义分割的具体要素面积占比[10-13]，这种画面内容属于信息加工的后期高级阶段。但认知加工其实也包括初级加工，它们都会影响认知和偏好，而目前主流街景偏好的机器学习模型在初级加工的特征选择上缺乏神经认知学基础。实验证据显示，初级认知加工中的高频细节信息可能是影响人们偏好自然环境的关键因素[14]。根据进一步证据推测，在长期的自然环境生存进化中，人的视知觉神经结构可能逐渐进化为擅长于加工处理自然图像中高低频比例的信息[15-16]，从而一定程度上产生了人们对自然景观的偏好。……