DiverXplorer：通过多样性调整帮助平面设计师探索素材图片的创新工具

DiverXplorer 是一款专为平面设计师打造的图片探索原型工具，通过逐步调整多样性让用户从广泛的概览过渡到聚焦的子集。该系统采用确定点过程（DPP）采样技术，在 CLIP 嵌入空间中实现多样性和相关性的动态平衡，帮助设计师在早期设计阶段更好地进行意义构建和视觉模式发现。

在平面设计工作中，设计师经常需要在开放式设计任务或早期创意阶段探索大量的素材图片库。然而，当前主流的图片搜索工具（如 Adobe Stock、Pixta、Pinterest 等）主要强调相关性和相似性排序，这种设计思路虽然能够快速找到与搜索query匹配的图片，但却限制了设计师概览整个设计空间或发现视觉模式的能力。

当设计师面对数千张图片的素材库时，他们真正需要的不仅仅是一个按相关性排序的列表，而是一个能够帮助他们理解整体视觉格局、发现潜在创意方向的探索工具。传统的搜索工具往往让设计师陷入"滚动 - 点击 - 返回"的循环中，难以系统性地探索设计空间。

来自 CyberAgent AI Lab 的研究团队提出了 DiverXplorer，这是一个专为素材图片探索设计的原型系统。DiverXplorer 的核心理念是将图片探索过程分为多个步骤，每个步骤展示的图片都经过优化，以满足从多样性到相似性逐渐过渡的比例要求。

与传统工具不同，DiverXplorer 不是一次性呈现所有结果，而是引导用户经历一个从"发散"到"收敛"的探索旅程。在早期步骤中，系统展示高度多样化的图片，帮助设计师快速了解设计空间的全貌；随着探索的深入，系统逐渐缩小范围，聚焦于与用户选择更相似的图片子集。

DiverXplorer 采用确定点过程（Determinantal Point Process，简称 DPP）来实现多样性控制。DPP 是一种概率模型，能够从候选集合中选择出最大化分散度的子集。在 DiverXplorer 中，系统在 CLIP 嵌入空间中计算图片之间的相似性，然后通过 DPP 采样选出最具代表性的多样化图片组合。

CLIP（Contrastive Language-Image Pre-training）是一种强大的多模态模型，能够将图片和文本映射到同一嵌入空间中。DiverXplorer 利用 CLIP 的 512 维特征向量来表示每张图片，这样不仅可以计算图片之间的视觉相似性，还可以计算图片与文本描述之间的语义关联度。

DiverXplorer 的探索流程设计为多个步骤（通常为 4 步），每个步骤的多样性约束按照指数衰减计划逐渐放松。具体来说：

• 第 1-3 步：多样性探索阶段，采用指数衰减策略

  • 多样性分数 = exp(-衰减率 × 步骤数)
  • 综合得分 = 多样性权重 × 多样性 + 相关性权重 × 相关性

• 第 4 步：相似性收敛阶段

  • 聚焦于与用户最终选择相似的图片
  • 帮助用户做出最终决定

在每一步中，用户从展示的图片网格（通常为 4×4 布局）中选择一张感兴趣的图片，这个选择会作为下一步探索的条件。随着步骤推进，多样性约束逐渐放宽，展示的图片越来越相似，最终帮助用户收敛到一个满意的选择。

研究团队对 22 名专业平面设计师进行了用户研究（其中 16 名参与主要研究），将 DiverXplorer 与三种基线工具进行比较：

1. Scroll：按相关性排序的传统滚动浏览
2. Scroll+div：带有多样化重排序的滚动浏览
3. Clustering：通过聚类实现的逐步相似性细化

研究结果显示：

• DiverXplorer 获得 60% 以上设计师的首选排名，在所有基线工具中脱颖而出
• 逐步多样性控制有效支持了早期阶段的意义构建和视觉模式比较
• 多样性有助于减少回溯行为，但随着探索深入，设计师对多样性的需求会降低
• 设计师特别珍视在发散（探索）模式和收敛（比较）模式之间流畅切换的能力，这是基线工具无法支持的

DiverXplorer 的核心价值在于它理解了设计师在创意探索过程中的真实需求。在设计的早期阶段，设计师往往并不清楚自己具体想要什么，他们需要先了解"有什么可能性"，然后才能逐步缩小范围。DiverXplorer 通过结构化的探索流程，帮助设计师：

• 快速建立对设计空间的整体认知
• 发现潜在的视觉模式和风格趋势
• 减少在无关选项上的时间浪费
• 更自信地做出最终选择

DiverXplorer 的研究成果对图片搜索和推荐系统的设计具有重要启示。它表明，将多样性作为一个可交互的维度，而不是固定的超参数，能够更好地支持用户的探索性任务。这种"多样性 - 相似性权衡"的交互式设计思路，可以应用到其他需要探索性搜索的领域，如音乐发现、新闻阅读、商品浏览等。