在数字广告领域，洞察消费者的目光焦点是实现精准传播的关键一步。设想一下，如果广告商能够精准预测不同年龄、不同性别的消费者在广告画面中更倾向于关注哪些细节元素，那么广告创意的优化、投放效果的评估将变得更加科学可控。这不仅能够提升信息传递的效率，还能显著降低营销资源的浪费，帮助品牌方和广告商更科学地实现“精准触达”。

而这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》的未来价值所在。目前，该论文以其理论创新和应用价值，已被全球多媒体技术领域的旗舰会议ACM MM 2025正式接收，并有望为广告测量的智能化发展树立新范式。

明略科技集团创始合伙人、总裁兼首席财务官姜平也深度参与了这项开创性研究，并担任论文共同第一作者。

01 现有技术的短板：像素瓶颈与个性化盲区

尽管眼动追踪是一个近年来备受关注的研究方向，但传统技术仍存在显著的短板，阻碍了其真正解锁个性化视觉认知的潜力：

● 像素级别的”近视症”

传统模型就像戴着厚眼镜的”近视眼”，通常依赖于低分辨率图像生成注视热图，或通过对低分辨率特征图进行上采样重建，这会导致空间精度下降和明显的方块伪影，造成细节效果大打折扣。即使在高分辨率下训练和推理，最终结果仍需放大至原始尺寸，难以保留细节，影响预测精度。

● “千人一面”的定式

大多数模型默认所有观察者的注视模式相同，忽略了不同个体的差异性，如性别、年龄、经验等。未能有效捕捉广泛人群在视觉注意力分布上的显著差异，限制了模型的泛化能力和个性化预测效果。

● 数据的”营养不良”

大模型的性能高度依赖多样化、大规模、高质量数据的供给。然而，现有注视点预测数据集样本数量有限，尤其是与广告营销相关的数据，缺乏涵盖广泛个体差异的标注数据，限制了AI对复杂人类视觉行为的学习能力。

02 双重革新：SPA-ADV数据集与PRE-MAP模型

面对这些挑战，明略科技的研究团队从根本上重新思考问题，并基于——更准确地预测个体在观看视频时的注视点、避免传统方法因分辨率限制导致的细节丢失与预测精度不足，两大研究目标，从数据和技术框架两方面进行了革新，提出了有针对性的解决方法。

▶︎ 新数据集SPA-ADV：视觉行为的百科全书

为了更好解析不同个体在观看视频时的注视差异，研究团队构建了全新的大规模个性化注视行为数据集SPA-ADV。这一数据集涵盖了4500多名不同年龄段、性别的真实用户对486个精选广告视频的细致注视记录，包括眼球运动轨迹以及精确的注视点坐标等真实视觉行为。

SPA-ADV数据集的独特之处在于：

● 广泛捕捉了个体属性（如性别、年龄）的显著影响，为大规模个性化注视行为的建模和分析奠定基础，一定程度上解决了模型训练中存在主观偏差与推广能力不足的问题。

● 数据规模空前大，为个性化显著性建模提供了高质量的基准数据支持。

▶︎ 自研PRE-MAP模型：个性化视觉预测引擎

基于数据集，明略科技进一步研发了PRE-MAP创新AI预测模型，通过两大关键模块，实现个性化视觉注视点的高精度预测：

● 多属性点式注意力建模（Multi-Attribute Point-Based Attention）

传统模型类似“油画笔”，无法精准勾勒个体注视点，生成的注视热图较为模糊。而PRE-MAP则像是一支“激光笔”，能在全高清画面中精确定位注视点。

PRE-MAP通过融合用户属性（如性别、年龄）与视频语义内容，引导模型在高分辨率视频帧上直接预测个性化注视点，提升预测的针对性与分辨率保真度。例如，当输入”35岁女性观看化妆品广告”时，PRE-MAP会结合这位用户可能具有的视觉偏好和广告中的视觉元素，直接预测出她最可能关注的精确位置，而非笼统的区域。

● Consistency Group Relative Policy Optimization（C-GRPO）

由于注视点预测是一个结构化输出任务，如何确保预测结果的空间一致性与格式规范至关重要，深刻影响可视化与后续应用。

PRE-MAP在训练过程中引入了一种基于强化学习的优化机制——Consistency Group Relative Policy Optimization（C-GRPO），通过对预测点的空间一致性与格式规范进行策略约束，进一步增强个性化注视点预测的可控性与精度。

根据论文中的实验结果，PRE-MAP的表现得到了充分验证。与传统模型（如SUM和Transalnet）相比，PRE-MAP在多个维度上的表现远超业内平均水平，使用PRE-MAP预测的注视点分布精准、边缘高度吻合人眼的真实注视位置。

03 解码视觉：重塑人机沟通的未来图景

纵观数智技术的发展历程，技术价值的体现从不止于数据的数量或算法的复杂性；真正的突破在于，能否通过数据洞察与模型演进，为人类行为和认知打开更深层的理解窗口。

PRE-MAP研究正是对这一理念的实践，它通过多模态技术的创新探索，实现让AI深度剖析人类视觉行为，从“笼统理解人们在看什么”走向“精确预测什么样的人在看哪里”，帮助广告行业从粗放式传播迈向尊重个体差异的精准沟通，赋能AI更好地理解‘人’，并与‘人协作。