通过比较增强照片

偏好各章讲解方法时，所用的设计都小到可以一览无余：第 19 章中色轮上的一个色相，第 20.2 节中只有两个旋钮的平面海报地形。真实的设计任务并非如此。一张照片有十几项相互影响的调整，无人能写出为其打分的函数；能衡量一个版本好看与否的唯一仪器是人，而人会疲倦，会改变主意，在不同屏幕上看到的画面也各不相同。

本章的问题是真实的，因为读者本人就是问题的一部分。图中展示一张真实的照片，读者通过比较不同版本来增强它：或从两个版本中选出较好的一个，或沿调整空间中的一条直线滑动。这正是 Koyama 等人（2017）与 Koyama 等人（2020）为照片色彩增强研究过的两种查询形式。算法就是第 18 章与第 19 章中构建的算法，未作任何改动，只是参数从一两个变成了六个。本章先描述问题及一次判断的代价，然后讨论提出第一个问题之前必须做出的决定，接着介绍照片上的两种查询形式，最后考察一次会话能揭示参与者的哪些情况，并与已发表研究的发现相对照。

25.1 问题 #

25.1.1 一张照片和六项调整 #

这张照片由 Aleš Krivec 于 2014 年 10 月 19 日在斯洛文尼亚的 Zelenci 自然保护区拍摄，并依 CC0 1.0 置于公有领域（Wikimedia Commons 上的“Zelenci 2014 (2).jpg”，最初发布于 Unsplash）。选用这张照片，是因为下面提供的每一项调整都会影响它的观感。画面中有明亮的天空和受光的山壁，调整过度就会过曝；有幽暗的森林，细节隐没在阴影中；有金色的草地，会随白平衡变成橙色或橄榄色；还有绿松石色的水面，偏暖的设置会使其黯淡。多数改变在改善一个区域的同时会损害另一个区域，因此不存在所有观看者都公认最好的设置。

设计（design）指六项调整的一组设定，每项是一个数 $u_i \in [0, 1]$，$u_i = 0.5$ 对应未经改动的照片。表 25.1 列出各项调整的作用及其范围。将每项调整映射到单位区间是通常的约定，Ou 等人（2023）研究中的照片增强器也是如此；这样，同一个核长度尺度在各个方向上的含义大致相同。

在进行任何优化之前，可以先按照片编辑器的方式尝试这个问题：六个滑块。

可以先用一分钟尝试。滑块移动起来很容易，结果却难以确定：改善水面可能使草地变差，增加曝光就需要减少阴影提亮，很快便难以判断最后一次改动是否有益。Koyama 与 Igarashi（2018）描述了同样的体验：滑块“以复杂的方式”影响图片，因此设计者只能反复试错，一边探索一边在头脑中建立设计空间的模型；随着参数增加，探索会变得“非常乏味”。本章其余部分就是把这一难题交给优化器。

其中三项调整是乘性的，其范围在对数尺度上对称：饱和度减半与加倍是同样大的改变。出于同样的原因，第 22.1.3 节中分类器的超参数也在对数尺度上搜索。这些调整之间还存在相互作用。曝光与阴影提亮都会使画面变亮，一项过多，可以减少另一项来抵消。饱和度与对比度都会增强视觉冲击，色温与色调都会改变白平衡。因此，一个设计的效用并非六个独立偏好之和；这也是在全部六项上联合建立高斯过程较为合理的原因之一。

图在浏览器中用 SVG 滤镜对图像施加这些调整：先用查找表实现色调曲线（曝光、阴影、对比度），再用颜色矩阵处理饱和度、色温和色调。在像素数组上做同样的计算只需十几行代码。

import numpy as np

def enhance(img, u):
    """img: H x W x 3 sRGB values in [0, 1]; u: six numbers in [0, 1]."""
    ev, c, s, t, m, a = (np.asarray(u) - 0.5) * 2   # 每个都在 [-1, 1] 内
    k = 2.0 ** ev                                    # 以档为单位的曝光
    y = k * img / (1 + (k - 1) * img)                # 缩放暗部色调，保持 0 和 1 不变
    y = y + 0.14 * a * y * (1 - y) ** 2 / (4 / 27)   # 提亮或加深阴影
    y = np.clip(0.5 + 2.0 ** (0.6 * c) * (y - 0.5), 0, 1)   # 对比度
    luma = (y @ np.array([0.2126, 0.7152, 0.0722]))[..., None]
    y = np.clip(luma + 2.0 ** s * (y - luma), 0, None)      # 饱和度
    gain = np.array([1 + 0.11 * t + 0.03 * m,        # 色温：红色增加，蓝色减少
                     1 + 0.015 * t - 0.07 * m,       # 色调：绿色减少
                     1 - 0.13 * t + 0.03 * m])
    return np.clip(y * gain, 0, 1)

这一滤镜有意从简。完整的照片编辑器功能远不止于此，例如可以为阴影、中间调和高光分别设置色彩平衡；序列画廊的照片增强器有 12 个参数，其中就包括这种三路色彩平衡（Koyama 等，2020）。参数个数取六，与 2017 年的序列线搜索相同，后者的参数为亮度、对比度、饱和度，以及红、绿、蓝三色的色彩平衡（Koyama 与 Igarashi，2018）。

25.1.2 为什么眼睛是唯一的目标 #

工程师的第一反应是寻找公式。图像质量指标和自动增强都已存在，每个照片编辑器都有“自动”按钮。但自动增强体现的是别人的品味，是从别人的数据中学来的；而这里的问题是：眼前这位观看者想要什么。Koyama 与 Igarashi（2018）曾让众包工作者从一张照片的四个版本中选出看起来最好的一个，四个版本分别是原图、他们以众包驱动的优化结果，以及 Adobe Photoshop 和 Lightroom 的自动增强结果。三张照片的优化版本分别获得 32、26 和 29 票；原图获得 0、2 和 0 票，Photoshop 版本获得 0、2 和 1 票，Lightroom 版本获得 1、3 和 3 票。

目标还取决于用途，用途由指示语设定，而各项已发表研究的设定不尽相同。序列线搜索只要求众包工作者调节滑块，直到图像看起来最好（Koyama 等，2017）。在同一系列工作的一项成对比较任务中，工作者需选出“更适合用在杂志或产品广告中”的照片（Koyama 与 Igarashi，2018）。序列画廊的被试则设想把照片上传到自己的 Facebook 或 Instagram 账号，并使之吸引朋友（Koyama 等，2020）。这些指示语未必对应相同的最优点（推断）。下面的图只问你更喜欢哪个版本；请自行决定这张图片的用途，并始终保持不变。

让人给出数值，效果也不会好。在 1 至 10 的量表上打分，需要了解设计空间其余部分的样子，而新手对此并不了解；比较则“即使对非专家来说也很容易回答”（Koyama 与 Igarashi，2018）。相关证据见第 16.1.1 节。因此，测量手段是比较，仪器是人，而这台仪器的每一种性质（噪声、漂移、耐心）都会成为优化问题的性质。

25.1.3 一次判断的代价 #

一次判断的代价以秒计，而非以小时计。在已发表研究中最接近的类比里，11 位专业设计师比较横幅广告的颜色变体，每个任务 50 对，搜索空间分别有 12 个和 6 个参数；平均每次选择用时 4.2 秒，范围为 1.0 至 23.1 秒（Iwai 等，2025）。更丰富的查询用时更长：序列画廊的一个平面平均用时 14.8 秒（Koyama 等，2020）。单个滑块的用时，最接近的测量来自另一类任务：三名被试引导生成式图像模型接近参考图像，每人五张参考图像；一个滑块时每次迭代平均用时 17.2 秒，四个滑块时为 53.4 秒（Chong 等，2021）。4.2 秒与 17.2 秒都不是在照片增强任务上测得的。关于照片任务中滑块与配对的用时对比，我们只找到一项相对测量：在以参考图像为目标的众包色彩增强中，滑块任务的用时长于二选一任务，但不到其两倍；其中包括阅读指示语与反复回答质量控制问题的时间（Koyama 等，2017）。

真正起约束作用的是注意力。序列画廊研究中的被试平均在 5.36 次迭代后按下“满意”按钮（标准差 2.69）（Koyama 等，2020）；在第 32.3 节所述为期三个月的现场部署中，多数评价序列根本没有进入优化器（Ou 等，2022）。序列线搜索的众包版本，耐心是花钱买来的：15 次迭代，每次七个滑块任务，每个任务支付 0.05 美元（第 20.2.3 节）。一次个人会话大约能投入十至三十个回答，与图 19.1 中的比较次数同一量级，但现在的问题是六维的。

另有两项代价从不出现在测试函数中。其一，每个回答都带有噪声：同一个人两次看到同一对，有时会给出不同的回答；第 16.3 节将此建模为每个选项感知效用上的噪声。其二，仪器还包括显示屏。序列画廊的研究固定了显示设备，即一台配鼠标的 13 英寸 MacBook Pro（Koyama 等，2020）；而读者是在亮度和颜色都未知的屏幕上阅读本书，所处的光线环境也无从得知。白天在手机上看起来最好的版本，夜里在显示器上可能显得刺眼（推断）。

25.2 第一个问题之前 #

本节的每个选择都在任何数据到来之前做出，而每一个都会影响优化器能找到的结果。表 25.2 将三个已发表照片增强系统的选择与本章各图的选择并列。

表中第一列出自 Koyama 等人（2017）与 Koyama 与 Igarashi（2018），第二列出自 Koyama 等人（2020），第三列出自 Ou 等人（2023）。本节其余部分解释最后一列的选择，并说明它们与已发表的选择有何不同、为何不同。

范围。表 25.1 中的范围决定了优化器能够到达的区域。范围太窄，会排除观看者想要的效果；范围太宽，大部分体积会被荒谬的图片占据，而在六维中，体积决定一切。在本章的范围内均匀抽取的设计几乎总比原图差：原图位于中心，而多数随机设置至少会把一项调整推向极端。后文的图 25.4 显示了其后果：经过二十对随机配对，模拟观看者得到的推荐并不比未经改动的照片更好。这里的范围是目测设定的，对这张照片而言，从“明显不足”延伸到“明显过度”。

核函数。效用模型采用第 18 章的高斯过程：Matérn 5/2 核，各方向长度尺度均为 0.4，先验方差为 1，概率单位噪声 $\sigma = 0.5$，用 Laplace 近似拟合（第 18.2 节）。这些值是固定的，不从回答中学习。仅凭二十个一比特的回答学习六个长度尺度（第 9.2 节）很不稳定；第 30.3.3 节指出，在这样的预算下这是否可行，尚无研究检验。Koyama 等人经由另一途径得到了同样的实际结论：他们在核超参数上使用 $\sigma^2 = 0.01$ 的对数正态先验，几乎没有给长度尺度留下变动的余地（Koyama 等，2020）。0.4 与 0.5 是通过运行模拟会话选定的；在真人参与之前，这是设定此类数值的诚实做法。

可见的差异。第 19.4 节的采集函数对人眼一无所知。不加限制时，EUBO 经常提出两个相近到人眼无法分辨的版本，这是第 19.6 节所述向当前最优点坍缩的一种表现。一项振动触觉偏好研究的作者在讨论局限时，针对触觉指出了同样的问题：非常相似的信号“可能在感知上无法区分”，邻近点之间的比较“被反应噪声主导”（Zhang 等，2026b）。因此，图中只考虑两个设置的欧氏距离不小于 0.2 的配对，以此粗略代替这一空间中的最小可觉差。允许回答“差不多”（第 20.4.1 节）是有原则的替代方案；这里的界面仍只保留两个按钮。

候选池。在一维中，图 19.1 为 36 种色相两两组成的每一对打分。六维中没有可供穷举的网格，因此每个问题之前，图会从范围中均匀抽取 160 个设置，对当前最佳猜测做 60 个小的随机扰动，再加上此前比较过的所有设置。这一候选池至多约有 250 个设置，图用闭式解式（19.3）为池中的每一对打分，每个问题约 30,000 对。局部扰动不可或缺：均匀抽取的点在每个坐标上都落在最佳猜测 0.1 以内的概率为 $0.2^6 \approx 6 \times 10^{-5}$；没有这些扰动，候选池几乎永远不会包含会话后期所需的小幅改进。

推荐。最佳猜测取已比较设置中后验均值最高者，这正是序列线搜索确定 $\vx^+$ 的规则（Koyama 与 Igarashi，2018）。将推荐限定在人实际看过的设置上，就保证了推荐的图片一定有人看过。

起点。第一个问题将原图与一个随机编辑并列比较。原图保留在数据中，此后的每个回答都通过比较图（第 18.5 节）与它相连；图中也始终在最佳猜测旁边显示原图。序列画廊研究中恰有一位被试提出了这一要求，希望“在增强过程中把原图放在旁边以便比较”；这位被试还发现某个任务的初始照片已令人满意，不确定是否该在一开始就按“满意”按钮（Koyama 等，2020）。无法推荐原图的系统会偏向改变（推断）。

25.3 比较版本 #

下面就是以你为预言机的循环。请选出你更喜欢的版本，重复十几次或更多。每次都如实选择，没有正确答案。

两张大图就是当前的问题。其下方并排显示模型当前的最佳猜测与原图，读者随时可以检查这次会话是否胜过不做任何改动。六个小面板显示模型学到的内容：每个面板是后验效用（第 18 章）沿一项调整的切片，其余五项固定在最佳猜测处。有峰的曲线表示“这项调整对你很重要，你喜欢它取这里的值”，色带很宽的平坦曲线则表示“尚无信息”。字母 A 与 B 标出当前问题中两个版本在各项调整上的位置，由此可以看出这个问题在探查什么。

可以尝试以下几点。回答十至十五对，观察哪些面板最先变尖：最先变尖的面板，对应你的回答最为明确的调整。留意面板中的字母 A 与 B。第一个问题同时改变所有调整；后续问题往往使多数调整几乎相等，只改变少数几项，因此每个回答探查的空间范围越来越小（在模拟会话中，第一个问题的两个版本在全部六项调整上的差异都超过 0.1，到第十个问题时只有两三项如此）。回答十几次之后，比较最佳猜测与原图，如实判断自己更喜欢哪一个。然后按几次“重问之前的一对”，照常回答；它测量的是什么，留待第 25.5.1 节讨论。

阅读面板时需注意两点。其一，切片并非全貌：它显示的是在最佳猜测处，效用沿一项调整如何变化；调整之间存在相互作用时，阴影设置不同，最佳曝光也可能不同。其二，纵轴没有单位。比较只能在相差平移与缩放的意义下确定效用差异（第 18.4 节），因此能读出的是每条曲线的形状和六条曲线的相对高低，而不是具体数值。

切换到“模拟品味”，可以观察同一循环改由隐藏效用作答的情形。模拟品味有一个最爱的设置，效用从该处按二次函数下降，各项调整的权重不同（曝光与色温最重要，色调最不重要），并包含上文所述曝光与阴影的相互作用。按几次“模拟五次”，再显示最爱：最佳猜测旁的原图会换成最爱的图片，面板中的虚线标出最爱的设置，状态行报告最佳猜测的效用差距（utility gap），即模拟效用在最爱处的值减去在最佳猜测处的值，并列出原图的差距作为对照。差距为零即为完美。

25.4 沿直线搜索 #

一对比较为模型提供一比特信息；一个滑块则提供一次完整的一维搜索，由人来完成：人沿设计空间中的一条直线移动，观察图片的变化，停在看起来最好的位置。这就是第 20.2 节介绍过的序列线搜索（Koyama 等，2017），现在用于真实照片。

此图在两个方面偏离了已发表的方法，两者都是实践者需要面对的选择。

哪条直线。Koyama 等人（2017）让滑块从目前最好的设计 $\vx^+$ 延伸到相对它期望改进最高的设计 $\vx^{\EI}$（第 20.2.1 节），并提到可以选择将线段按固定因子（如 1.25）放大。本章使用同样的两个点，但把线段向两端一直延伸到范围边界。这样，人既可以要求比所提议的改变更多，也可以要求更少；滑块覆盖的范围也足够大，差异清晰可见。在任何回答之前，直线经过原图，以及配对图开头所用的同一个随机编辑。这种延伸是否有益取决于噪声，下文的比较将说明这一点。已发表方法中有一个细节得到保留：每个问题中滑块都从随机位置开始。Koyama 等人（2017）这样做是“为了减少认知偏差”，即旋钮恰好停留的位置对人的牵引（一种锚定效应，第 37.2.3 节）。

一次选择如何记录。Koyama 等人把一次滑块回答记录为三选一，即所选设计对两个端点，采用式（20.1）的选择似然（Koyama 等，2017；Koyama 等，2020）。本章模型只有第 18 章的成对概率单位似然，因此图把这次选择记录为至多四个独立的比较：所选点优于两个端点，以及滑块上三分之一和三分之二处的点。这夸大了证据。四个比较出自同一次判断，误差并不独立，模型却把它们当作四个独立的回答，因而变得过于自信（习题 25.2）。Mikkola 等人（2020）持相反的观点，认为一次滑块回答相当于不可数无穷多个比较，并用有限样本近似由此得到的似然；两种记录方式都丢弃了一个事实：人一次看到的是整个连续区间。

可以尝试以下几点。沿缩略图条慢慢拖动，留意直线上有多大一部分明显不对；回答中的大部分信息，在于你避开了哪些区域。几个回答之后，直线在面板中变短，因为期望改进点向最佳猜测靠拢。若把旋钮移到星形处并选定，这个回答就表示目前最好的设计优于直线上的所有点，这是一个很强的陈述。

25.4.1 配对还是滑块？#

两种形式的取舍在于每个回答的信息量与用时。已发表的比较来自众包。Koyama 等人（2017）在以参考图像为目标的众包照片色彩增强中，将他们的滑块与二选一、四选一两种形式相比较，每个条件运行三次。工作者的任务是匹配目标图片，而非表达偏好。滑块的误差随迭代下降得更快；滑块任务的用时长于比较任务，但不到其两倍。截至 2026 年 9 月，我们没有找到这样的研究：在照片任务上，针对个人自己的偏好，以相同的模型和预算比较这两种形式。下面预先计算的模拟以图 25.2 的模拟品味为对象，运行四种提问策略（EUBO 配对、随机配对、已发表的滑块线段、整条直线的滑块），每种十六次。

按回答数计，滑块在早期领先，后来两种形式趋于一致。在默认噪声（$\sigma = 0.1$）下，五个回答之后，EUBO 配对的效用差距中位数为 0.37，已发表的滑块和整条直线的滑块分别为 0.34 和 0.30；二十个回答之后，EUBO 配对为 0.14，已发表的滑块为 0.08，整条直线为 0.14，而未经改动的照片为 0.49。在低噪声（$\sigma = 0.05$）下，三者的终值彼此相差在 0.02 以内。在高噪声（$\sigma = 0.25$）下，整条直线的滑块最为稳健，二十个回答后效用差距中位数为 0.16，而 EUBO 配对为 0.31，已发表的线段为 0.34。随机配对的结果值得警惕：默认噪声下，二十个回答之后，16 次会话中只有 7 次的推荐优于未经改动的照片；可见在此设置下，EUBO 配对远远领先于随机配对。第 19.5.1 节记录的运行给出了相反的排序：约二十个回答之后，EUBO 并不优于随机配对。但那里的设置不同：设计是生成的，模拟品味不同，一对中的两个选项之间没有最小距离，最佳猜测取自整个候选池而非已比较的设置。这些差异中究竟是哪一项造成了逆转，我们尚未分辨（推断）。

按秒计，情形则相反，前提是借自第 25.1.3 节的计时适用于本任务。将横轴切换到“秒数”，即每对计 4.2 秒、每次滑块回答计 17.2 秒：在二十对所需的 84 秒内，滑块会话只能完成约五个回答，效用差距中位数仍约为 0.3，而配对已降至 0.14。而且模拟本身对滑块有所偏袒：模拟的人以独立噪声评估 41 个位置并保留最好的一个，如此细致的搜索，真人在 17 秒内未必能完成。这一逆转还依赖于两种用时之比约为四的假设。若滑块回答的用时是配对的两倍（即 Koyama 等人（2017）对众包任务报告的上限），滑块会话在这 84 秒内可给出十个回答，效用差距中位数达到 0.17 至 0.18，接近配对的 0.14（推断）。因此，模拟并不能给出定论；它指出的是，得出定论需要哪些数字：每个回答的用时，以及滑块回答相对于成对回答的噪声，二者都须在同一批人、同一任务上测量（推断）。GimmBO 是 2026 年在同一任务上比较不同界面的一项研究：12 名被试通过合并图像模型适配器来匹配目标图像，由贝叶斯优化驱动的排序界面，比手动调节的一组滑块达到了更高的目标相似度和成功率，每步交互用时为 50.5 秒对 34.7 秒（Liu 等，2026b）。第 32.4 节将这项研究与其他形式比较一并报告。

25.5 一次会话揭示了什么 #

以自己为对象运行一次会话，就会看到测试函数所掩盖的三件事：人对同一问题并不总是给出相同的回答；品味可能在回答过程中移动；结果取决于碰巧被问到了哪些问题。每一项在已发表的研究中都有对应，但研究所能提供的信息都不如人们期望的多。

25.5.1 一致性 #

“重问之前的一对”会把会话早期的一对左右调换后再次展示，历史记录随后将这次回答标为“相同”或“反转”。在第 16.3 节的模型下，反转的概率形式很简单。设此人以概率 $p = \Phi\big(\Delta / (\sqrt{2}\,\sigma)\big)$ 偏好 A 胜过 B，其中 $\Delta$ 为效用差，$\sigma$ 为每个选项上的噪声，则两次独立回答一致的概率为

一致率永远不低于一半；只有差异远大于噪声的配对，一致率才会达到一；对于此人觉得几乎相等的配对，它接近于掷硬币。取 $p = 0.8$，即相当明确的偏好，两次回答一致的概率也只有 68%。因此，回答反转本身并不说明粗心。若在模型认为明确的配对上反转比例很高，才说明模型的噪声尺度对此人而言过小，后验过于自信（习题 25.1）。

式（25.1）假设第二次回答独立于第一次，而记忆可能从两个方向破坏这一假设：人可能直接重复记得的回答，回想的努力本身也可能增加噪声。在重复美感评分的实验中，只评价单个刺激时，回忆记忆贡献了测得方差的一半；刺激集合含九个或更多刺激时，它只使方差增加约 10%（Pombo 等，2023）。因此，图会调换左右，从不提示重复，并且只重复至少两个回答之前的配对；严谨的研究应把重复的间隔拉得更大。

在会话中重复配对成本很低，但截至 2026 年 9 月，我们没有找到任何基于偏好的设计优化研究这样做，即在会话后期重新询问早期的比较，以检验一致性或漂移（第 32.3 节）。最接近的证据是间接的。17 名视力正常的被试为模拟的视网膜植入视觉做个性化设置时，他们的选择只有约 50% 与模拟智能体的预测一致（Schoinas 等，2025）；可见模拟的人可能难以替代真人。在 Ou 等人（2023）的照片任务中，照片编辑经验较多的被试表达无差异（把版本放在同一评分区域）的频率显著高于新手（$p = 0.015$）：有经验的眼睛判定的平局更多，而非更少。

25.5.2 漂移 #

品味可能在一次会话中移动：适应了鲜艳的版本后，原图开始显得沉闷；注意到起初并非标准的东西，例如水的颜色；或者出于疲劳。Koyama 等人（2020）假设用户的感知函数“不随时间变化”，然而他们的六名被试中有一人报告，自己选择设计时“依据的是我一开始并没有的标准”。本章的模型没有时间概念，它把第一分钟与第十分钟给出的回答，当作同一效用的两次带噪声读数。

在图 25.4 中打开“品味在会话中漂移”。此时模拟的最爱会在二十个回答期间稳步移动，朝更高的饱和度、更暖的色温、更低的对比度方向，总共移动约 0.3。效用差距曲线变得平缓，因为目标在移动；下方面板显示各次会话的终点相对于最爱起点和终点的位置。在两个较低的噪声水平下，终点落在两者之间：投影到漂移方向上，最终推荐平均位于从起始最爱到最终最爱路程的 13% 至 56% 处，具体取决于提问策略。在最高噪声下，EUBO 会话完全没有朝新的最爱移动。假设效用固定的模型会对整个会话取平均，因此推荐的是此人平均而言喜欢的设置，而非其当下喜欢的设置（推断，依据这些模拟）。补救办法有随时间变化的效用，或对旧回答施加遗忘因子，见第 46.5 节的讨论；这些办法都未在照片任务中检验过。

图中的漂移是为说明而人为设定的。在二十次比较的会话中，观看者偏好的饱和度移动得有多快，甚至是否移动，目前都不清楚。能够回答这一问题的实验，即在会话末尾以随机化的提问顺序重新询问早期配对，正是第 47.4 节所描述的实验。

25.5.3 顺序 #

即使品味固定，碰巧被问到哪些问题也会改变会话的终点。图 25.4 的下方面板显示了相同模拟品味、相同噪声下十六次会话的最终推荐；这些会话仅在随机候选池、第一个随机编辑和各回答的噪声上不同。在默认噪声下，按表 25.1 的单位尺度，最终设置在每项调整上的标准差为 0.05 至 0.12；曝光上的 0.07 约合 0.14 EV。离散程度在曝光上最小，而曝光正是模拟品味最看重的调整；在色调上则属于最大之列，而色调是它最不看重的调整。这说明后验在按预期工作：效用平坦之处，回答无法确定设置，而设错的代价也小。

关于顺序的已发表证据来自众包。Koyama 等人（2017）在同一张照片上从不同的随机起始条件出发，将序列线搜索重复三次，并测量三次运行之间的差异随迭代的变化，差异分别以参数设置之间的距离和每像素平均感知色差衡量：差异在前四五次迭代中迅速缩小，三次运行趋于相似的增强效果。作者认为这支持了他们的假设，即众包人群共享同一个优度函数；他们也补充说，若有些人偏好一种风格、另一些人偏好另一种，这一假设可能不成立。不过，每次迭代的回答是至少五名工作者滑块位置的中位数，这一做法平均掉了单个人的大部分噪声。据我们所知，单个人的结果在多大程度上依赖其提问顺序，尚未在照片增强会话中测量过。判断研究提供了预期这种效应存在的理由。以艺术照片和人脸为刺激时，中性图片出现在较受偏好的图片之后，比出现在较不受偏好的图片之后更受偏好；控制反应偏差后，类似的趋势依然存在（Chang 等，2017）。七项美感评分实验表明，只要刺激多样、来自不同的物体类别，序列依赖就不影响评分的方差（Pombo 等，2023）。同一张照片的不同版本恰恰与多样相反，因此这一令人宽慰的结论不能推广到本任务（推断）；这些序列效应的综述见第 37.3.2 节。

25.5.4 停止，以及这是谁的结果 #

会话在人停下时结束，而已发表的数字表明，这一时刻来得相当早。序列画廊的被试平均在 5.36 个平面后就满意了（Koyama 等，2020）。Ou 等人（2023）的设置是：五项取值于 $[0, 1]$ 的照片调整，优化器接手之前先有四轮拟随机版本，至多 20 次迭代。照片编辑经验较多的被试运行的迭代次数显著多于新手（$p = 0.008$）；作者将研究结论概括为：新手更容易满意、更早结束，专家则探索得更远，报告的满意度也更低。满意不等于收敛：人的“够好了”与模型趋于平坦的后验是两种不同的停止信号，原因见第 46.6 节。

一次会话引出的另一个问题是：这是谁的结果？在众包版本中，结果属于一个群体：作者指出，“当众包是唯一的数据来源时”，单个用户的偏好“不会反映在计算中”，而不同背景的人群可能有明显不同的偏好（Koyama 与 Igarashi，2018）。在本章的图中，结果属于一个人：在一块屏幕上、在某一天得出，连同随之而来的噪声与漂移。第 32.5 节介绍了一系列工作，它们借助其他用户的会话，为新用户的会话提供更好的起始先验。

25.6 习题 #

延伸阅读 #

• Koyama 等人（2017）提出了序列线搜索，并将其应用于六参数的照片色彩增强，由众包作答。
• Koyama 与 Igarashi（2018）是一部专著中关于众包计算设计的一章，介绍了众包流程、与 Photoshop 和 Lightroom 的投票对比，以及从不同起始条件出发的三次运行。
• Koyama 等人（2020）用平面上的可缩放网格（序列画廊）取代了滑块，并报告了一项 12 参数照片增强的小型用户研究，其中引用了被试的原话。
• Ou 等人（2023）在三个任务中比较新手与专家，其中之一是照片色彩增强，使用基于 EUBO 的优化器和排序界面。
• Iwai 等人（2025）与专业设计师合作，在横幅广告的颜色变体上运行成对偏好优化，每个任务 50 次比较，点击率约束由机器处理。
• Mikkola 等人（2020）把类似滑块的回答视为无穷多个比较，并推导了相应的似然。