從作品到理解：視覺理解共享域理論總綱

Visual Understanding Shared-Domain Theory — General Framework

——從創作意圖、視覺決策到跨觀察者理解與經驗投影

VUSD Series — Paper 01 / 05
作者： Neo.K
機構： EveMissLab／一言諾科技有限公司
版本： v0.1
日期： 2026-08-31
定位： 基礎理論 / General Theory
研究狀態： 理論綜合、內部視覺實驗觀察與既有 EveMissLab 視覺研究之延伸；非已完成的普適心理學或藝術史定律

0. 問題定義

現有 AI 視覺系統已經可以做很多事：

辨識畫面內容
描述風格
比較兩張圖
生成相似構圖
模仿部分視覺特徵
判斷候選圖的差異
根據自然語言修改圖像

但若追問：

「為什麼這張作品要這樣畫？」

答案往往仍停留在：

因為這樣比較好看
因為這是某個畫家的風格
因為這樣比較有張力
因為使用了互補色
因為構圖比較穩

這些答案並非錯誤，但仍缺少一個統一的中介層：

創作者想達成什麼？

為何選擇這些視覺決策？

這些決策透過什麼知覺與關係機制造成效果？

哪些效果較接近跨觀察者的共享結構，哪些只是特定觀察者的主觀經驗？

如果改掉其中一個決策，效果會如何改變？

因此本文提出：

Visual Understanding Shared-Domain Theory

視覺理解共享域理論

核心目標不是重新發明一套「什麼是美」的教科書，而是建立：

\boxed{ \text{Creation} \rightarrow \text{Artifact} \rightarrow \text{Perceptual Relation} \rightarrow \text{Shared Understanding} \rightarrow \text{Observer Projection} \rightarrow \text{Experienced Meaning} }

的可推理框架。

1. 既有研究提供了哪些前置？

VUSD 並不是從零開始。

既有 EveMissLab / EveAtelier 視覺研究已經建立數個重要前提。

1.1 Style Transformation ≠ Character Redesign

Appeal-Preserving Style Transformation 已指出，角色影像不能只用 Rendering Style 描述。

至少包含：

C= ( I, W, G, E, T, A, S ),

其中：

$I$ ：Identity；
$W$ ：World / Role Semantics；
$G$ ：Garment Topology；
$E$ ：Exposure Map；
$T$ ：Tension Map；
$A$ ：Audience Appeal Profile；
$S$ ：Rendering Style。

因此：

S\rightarrow S'

不應自動導致：

(I,W,G,E,T,A) \rightarrow (I',W',G',E',T',A').

這已經表明：

視覺形式之中存在「畫法」與「設計語義」的分層。

1.2 Exposure ≠ Tension ≠ Audience Appeal

既有研究亦將：

露出
張力
受眾魅力

正式拆開。

這意味著：

一個角色為什麼具有特定吸引力，不能用「露多少」這種單軸指標說明。

例如：

視線
手勢
姿態
身體朝向
鏡頭距離
服裝結構
露出區域
權力感
柔軟度

可以共同形成角色對觀察者的關係。

這已經開始逼近：

\text{Visual Decision} \rightarrow \text{Observer Effect}

的問題。

1.3 Visual Style 不是只有線條與顏色

Style Control 實驗進一步顯示：

Surface Rendering
Shape / Proportion Syntax
Garment Volume Syntax
Composition Rhythm
Palette Direction

需要共同收斂，才會產生「同系列」感。

因此：

\boxed{ \text{Style} \neq \text{Surface Appearance Only}. }

1.4 AI 可以重新判斷自己的視覺輸出

近期內部實驗還顯示：

生成模型不一定一次生成正確，但某些多模態模型已能在看到候選圖後，對比例、風格一致性、角色漂移、細節錯誤與張力保持做出有實用價值的重新判斷。

因此 Series「Reflexive Visual Generation」提出：

\text{Generation} \neq \text{Evaluation}.

而 VUSD 要處理的是更前一層：

Evaluator 到底應理解什麼？

2. VUSD 的核心區分

本文首先提出四個不可混淆的對象：

\boxed{ \text{Creation} \neq \text{Artifact} \neq \text{Perception} \neq \text{Experience}. }

2.1 Creation

Creation 是創作行為與其形成條件。

包含：

作者意圖
委託目的
受眾
媒介
技術條件
文化環境
歷史位置
市場
時間
偶然與探索

2.2 Artifact

Artifact 是實際作品。

例如：

一張畫
一個角色立繪
一幅海報
一個畫面
一段動畫
一個視覺 UI

它包含可觀察的：

色彩
線
構圖
輪廓
比例
材質
節奏
視線
遮擋
空間
符號

2.3 Perception

Perception 是作品與觀察系統相遇後產生的知覺關係。

例如：

何處先被注意
哪些輪廓被分離
哪些元素形成群組
哪裡產生方向衝突
哪裡形成遮蔽與揭露
哪裡產生接近或距離

2.4 Experience

Experience 則是觀察者最後描述的經驗。

例如：

優雅
壓迫
性感
可愛
神聖
危險
孤獨
莊嚴
懷舊
荒謬

重要的是：

\boxed{ \text{Experience} \neq \text{Artifact Property Directly}. }

它是 Artifact 與 Observer、Context 共同作用的結果。

3. 完整七層模型

VUSD v0.1 建議使用七層模型：

\boxed{ I \rightarrow C \rightarrow D \rightarrow P \rightarrow U \rightarrow \Pi_O \rightarrow M }

其中：

$I$ ：Creator Intent；
$C$ ：Context / Constraints；
$D$ ：Visual Decisions；
$P$ ：Perceptual / Relational Mechanisms；
$U$ ：Understanding Shared Domain；
$\Pi_O$ ：Observer Projection；
$M$ ：Experienced Meaning。

4. Layer I — Creator Intent

Creator Intent 表示：

創作者、委託者、團隊或生成系統想要作品完成什麼功能。

例如：

讓角色具有危險但吸引人的氣質
讓王權看起來不可接近
讓玩家快速辨識敵我
讓觀者先注意臉，再注意武器
讓畫面具有宗教莊嚴感
讓角色服務特定受眾市場
讓角色看起來脆弱但不無力

但 Intent 必須具有證據等級。

VUSD 不允許：

AI 猜到一個理由
=
作者真的這樣想

4.1 Intent Evidence Classes

至少區分：

EXPLICIT_AUTHOR_STATEMENT
COMMISSION_OR_BRIEF
CONTEMPORARY_DOCUMENT
HISTORICAL_DOCUMENT
SCHOLARLY_INTERPRETATION
HUMAN_ANALYST_INFERENCE
MODEL_INFERENCE
UNKNOWN

因此：

\boxed{ \text{Inferred Intent} \neq \text{Historical Fact}. }

這一點會在 Paper 02 詳細處理。

5. Layer C — Context / Constraints

視覺決策不是只由作者內心產生。

更合理是：

D = f( I, C ),

而：

C= ( Medium, Technology, Culture, Economy, Politics, Market, Tradition, Audience, Time ).

例如某種表現形式可能來自：

顏料限制
印刷限制
手機螢幕尺寸
遊戲立繪 UI 框架
宗教規範
市場偏好
贊助人要求
攝影技術出現
動畫製作成本
生成模型偏置

因此：

\boxed{ \text{Visual Decision} \neq \text{Pure Personal Preference}. }

6. Layer D — Visual Decision

這一層是既有算子化、美術風格建檔與結構化研究最擅長的部分。

Visual Decision 可以包括：

人物放在哪裡
鏡頭多近
臉朝哪裡
身體朝哪裡
使用什麼比例
哪裡露出
哪裡遮蔽
顏色多飽和
哪裡高對比
武器多大
背景多空
髮絲怎麼流
服裝是否透明

可形式化為 Operator / Parameter / Relation。

例如：

D_i= ( Operator_i, Target_i, Parameter_i, Relation_i ).

但這一層仍只回答：

做了什麼。

還沒回答：

為什麼這樣做會有效。

7. Layer P — Perceptual / Relational Mechanism

這是 VUSD 新增的第一個核心中介層。

例如「回眸」不能只表示為：

pose = backward_glance

而需要分析：

BodyDirection \neq FaceDirection.

這會形成：

directional conflict
partial reciprocity
distance / invitation coexistence

又例如薄紗：

遮蔽物存在
+
下方輪廓仍部分可讀

形成：

Reveal + Conceal.

這種 relation 比：

性感

更底層，也更容易跨不同觀察者描述。

8. Layer U — Understanding Shared Domain

本文最核心的新概念是：

Understanding Shared Domain

理解共享域

它不是宣稱所有觀察者都有同樣感覺。

它是嘗試建立：

作品與觀察者之間，較能被不同智能系統共同描述的關係結構。

初始算子族可包含：

\mathcal U_0 = \{ Attention, Salience, Contrast, Distance, Approach, Avoidance, Dominance, Reciprocity, Symmetry, Asymmetry, Expectation, Violation, Uncertainty, Reveal, Conceal, Rhythm, Closure, Tension, Coherence, Separation, Grouping, Direction \}.

這不是完整集合。

它只是：

bootstrap operator family

9. 為什麼不直接用人類情緒作 primitive？

假設我們直接寫：

露肩 = 性感
黑色 = 神秘
紅色 = 危險
低視角 = 威嚴

這些規則很容易失敗。

因為：

Meaning = f( Artifact, Observer, Context ).

紅色可以表示：

危險
愛情
喜慶
革命
品牌識別
血
神聖

低視角也可以：

強大
荒誕
恐怖
滑稽

取決於 context。

因此 VUSD 主張：

\boxed{ \text{Shared Relation} \neq \text{Shared Subjective Meaning}. }

10. Layer Observer Projection

對特定 observer $O$ ：

M_O = \Pi_O( U, C_O ).

其中：

$U$ ：理解共享域狀態；
$C_O$ ：觀察者的文化、經驗、偏好、任務與時間狀態。

所以：

\Pi_{O_1} \neq \Pi_{O_2}.

同一件作品可以對：

藝術家
一般玩家
特定文化觀眾
兒童
AI evaluator
歷史研究者

產生不同投影。

11. Layer M — Experienced Meaning

最後才是：

性感
美麗
恐怖
莊嚴
溫柔
有距離
可愛
懷舊
悲傷
舒服
壓迫

所以：

\boxed{ M = \Pi_O(U,C). }

不是：

M = ArtifactProperty.

12. 一個角色案例：蛇、回眸、薄紗與危險魅力

假設一個角色具有：

回眸
裸露肩背
透明薄紗
蛇纏繞身體
高飽和綠寶石
深色背景

傳統風格描述可能只是：

性感蛇女
高飽和古風幻想角色

VUSD 則拆成：

Intent Hypothesis

若無作者明示，只能標記：

MODEL_INFERENCE:
可能希望建立「危險 + 吸引 + 神秘」的角色關係

不能寫成：

作者就是這樣想

Visual Decisions

D1 = backward glance
D2 = exposed shoulder/back
D3 = translucent fabric
D4 = serpentine body contour
D5 = saturated green accent
D6 = dark background isolation

Perceptual Mechanisms

D1 → directional conflict + reciprocity
D2 → body-surface salience
D3 → reveal / conceal
D4 → contour repetition + tactile association
D5 → focal color contrast
D6 → figure-ground separation

Shared-Domain State

可能得到：

attention = high
reciprocity = medium-high
distance = medium
uncertainty = high
reveal_conceal = high
danger_cue = high
body_salience = high

Observer Projection

不同 observer 可能投影成：

誘惑
危險
妖異
優雅
俗艷
奇幻

並不要求一致。

13. 從描述到理由

因此 VUSD 的核心轉換是：

從：

「這張圖用了露肩。」

升級成：

「露肩提高肩頸與背部輪廓的可讀性，改變服裝與皮膚之間的材質對比，並可能與視線、姿態和遮蔽共同形成更高的 attention / reveal-conceal tension。」

這仍然不是作者意圖的證明。

它是：

Visual Rationale Analysis

即：

D \rightarrow P \rightarrow U.

14. 創作者理由與作用理由不是同一件事

這是一個非常重要的 distinction。

Creator Rationale

作者自己為什麼做。

Functional Rationale

即使作者沒明說，某個 visual decision 實際可能如何作用。

因此：

\boxed{ \text{Creator Rationale} \neq \text{Functional Rationale}. }

例如作者可能只是說：

我喜歡這樣畫。

但分析者仍可以觀察：

這種輪廓確實提高 figure-ground separation。

後者不代表前者。

15. Visual Rationale Record

VUSD 建議每條解釋記錄：

Decision
Mechanism
Shared-domain effect
Observer-conditioned effect
Intent relation
Evidence type
Confidence
Counterevidence
Counterfactual test

例如：

{
  "decision": "backward_glance",
  "mechanism": [
    "directional_conflict",
    "partial_reciprocity"
  ],
  "sharedEffects": [
    "attention",
    "distance_tension"
  ],
  "experiencedMeaningHypotheses": [
    "invitation",
    "mystery"
  ],
  "intentEvidence": "UNKNOWN",
  "analysisEvidence": "MODEL_INFERENCE",
  "confidence": 0.61
}

16. Visual Understanding 的逆向推理

創作方向：

I \rightarrow C \rightarrow D \rightarrow P \rightarrow U.

理解方向則是：

Artifact \rightarrow D \rightarrow P \rightarrow U \rightarrow \hat I.

其中：

\hat I

只是：

Inferred Intent

不是：

Known Intent

因此：

\boxed{ \hat I \neq I. }

除非有外部 evidence 支持。

17. 為什麼多模態 AI 現在可能適合做這件事？

本文不主張 AI 已具備完整藝術理論。

但近期多模態模型已逐漸具備：

圖像內容理解
視覺比較
自然語言解釋
多候選排序
局部錯誤辨識
跨圖 reference reasoning
基本構圖與比例分析

這使 AI 第一次可以嘗試：

Artifact \rightarrow StructuredVisualExplanation.

相比過去只能：

分類
標籤
檢測

現在可以輸出：

這裡為什麼形成張力
如果改掉比例會怎樣
哪些視覺元素只是風格
哪些其實承載角色語義

這仍需 calibration 與 human review。

但已足以支持 VUSD 作為一個工程研究方向。

18. Basic Aesthetic Judgment 的位置

VUSD 不必預設：

AI knows Beauty.

只需要較弱命題：

某些多模態 AI 已可對特定視覺任務進行有實用價值的條件式美感與設計判斷。

形式：

J: ( Artifact, Goal, Reference, ObserverProfile, Context ) \rightarrow Evaluation.

這稱為：

Conditional Aesthetic Judgment

而不是：

Universal Beauty Oracle。

19. Good ≠ Universal

VUSD 必須拒絕：

好構圖 = 永遠這樣
漂亮角色 = 永遠這樣
好色彩 = 永遠這樣

更合理是：

Utility = f( Goal, Audience, Medium, Context, Observer, Time ).

例如：

高細節

對卡牌立繪可能有利。

對 32x32 pixel icon 則未必。

因此：

\boxed{ \text{Visual Quality} \text{ is task-conditioned}. }

20. Visual Trade-off

任何 visual decision 都可能產生多目標 trade-off。

例如：

Detail\uparrow \Rightarrow Readability\downarrow

可能成立於某些情境。

又例如：

Symmetry\uparrow \Rightarrow Stability\uparrow

但可能：

DynamicTension\downarrow.

因此：

\boxed{ \text{Visual Design} = \text{Multi-objective Decision}. }

不是：

把每個美學指標都拉到最大

21. Counterfactual 是理解的重要檢驗

如果 AI 真的理解某個 visual decision，應該能回答：

如果這一點不這樣做，會發生什麼？

形式：

D_i \rightarrow D_i'

觀察：

\Delta U = U(D_i') - U(D_i).

這形成：

Visual Counterfactual Reasoning

例如：

回眸 → 正面凝視

可能：

directional conflict ↓
direct reciprocity ↑
distance tension ↓

再由 observer 投影不同 meaning。

這將是 Paper 04 的主題。

22. Understanding 的 Operational Criterion

VUSD 不把「能說一段漂亮話」當成理解。

至少可以要求：

能辨識 decision；
能提出 mechanism；
能預測 effect；
能區分 shared effect 與 observer-specific meaning；
能指出 evidence；
能做 counterfactual；
能在新作品上遷移；
能承認 unknown。

因此：

\boxed{ \text{Understanding} \neq \text{Description Fluency}. }

23. 與 Style Archive 的關係

以前畫家建檔可能是：

Artist
→ palette
→ brush
→ line
→ composition

VUSD 之後應升級成：

Artist
├─ Visual Grammar
├─ Recurring Decisions
├─ Known Intent Evidence
├─ Inferred Rationale
├─ Historical Context
├─ Perceptual Mechanisms
├─ Shared-domain Effects
├─ Observer Interpretations
└─ Counterfactual Boundaries

因此：

\boxed{ \text{Artist Style} \neq \text{Artist Understanding Model}. }

24. 與 SEDB-Visual / Style Atlas 的關係

SEDB-Visual 可保存：

StyleObservation
VisualConcept
ReferenceRole
PreferenceEvent
FailureMode

VUSD 則新增：

IntentEvidence
VisualDecisionRecord
VisualRationale
PerceptualMechanism
SharedDomainState
ObserverProjection
CounterfactualRecord
HistoricalContext

Style Atlas 因此從：

看起來像什麼

升級成：

為什麼像
為什麼有效
對誰有效
在什麼情境有效
改掉什麼就不一樣

25. 與 AADS 的關係

AADS 未來不只需要：

選 Operator
選 Provider

還要理解：

為什麼選這個 Operator
它預期改變哪個 shared-domain state
是否破壞原始 intent

所以：

AADS: Intent \rightarrow Rationale \rightarrow OperatorPlan.

26. 與 Reflexive Visual Generation 的關係

Reflexive Generation 提出：

Generate \rightarrow Observe \rightarrow Rewrite \rightarrow Continue.

VUSD 提供其中 Observer 與 Rewrite 所需的語義：

到底哪一層漂移？
Visual Decision？
Perceptual Mechanism？
Shared-Domain Effect？
Observer Target？

因此：

\boxed{ \text{RVGR answers how to revise;} }

而：

\boxed{ \text{VUSD helps answer why to revise.} }

27. 與 Appeal / Exposure / Tension 的關係

Appeal-Preserving、Exposure Map、Tension Map 不是被 VUSD 取代。

它們成為：

domain-specific Visual Decision / Shared-domain models

例如：

Exposure

主要在 Decision 層。

而：

Reveal/Conceal

可能屬於 Shared-Domain。

最後：

Sensuality

可能是 Observer Projection / Experienced Meaning。

因此：

\boxed{ Exposure \neq RevealConceal \neq Sensuality. }

這正是 VUSD 分層的價值。

28. Evidence-first Interpretation

VUSD 不允許 AI 直接輸出：

「梵谷這樣畫是因為……」

而不標 evidence。

更合理：

Known statement:
...

Historical evidence:
...

Scholarly interpretation:
...

Model inference:
...

Alternative explanation:
...

Unknown:
...

這使藝術史分析與 AI 視覺分析可以共存，而不把：

interpretation

污染成：

fact

29. 共享域不是宇宙終極算子表

本文提出：

\mathcal U_0

只是 bootstrap。

不能宣稱：

\mathcal U_0 = \mathcal U_{\mathrm{all}}.

因為：

美術會變
媒介會變
文化會變
AI會變
觀察者會變

因此完整 VUSD 必須是時間化的：

\mathcal U(t).

這將在 Paper 05：

Visual Evolution and Adaptive Operator Ecology

正式處理。

30. Domain Constraint ≠ Ontological Closure

我們可以先對：

角色立繪
古風插畫
電影鏡頭
漫畫
UI
西方油畫
東亞水墨

建立專用 operator family。

但：

\boxed{ \text{Domain Constraint} \neq \text{Ontological Closure}. }

也就是：

為了工程可用而限定一個領域，不代表我們聲稱世界只存在這些視覺語法。

31. 最小資料模型

VUSD v0.1 建議：

Artifact
Creator
IntentEvidence
ContextEvidence
VisualDecision
PerceptualMechanism
SharedDomainOperator
SharedDomainState
ObserverProfile
ObserverProjection
ExperiencedMeaning
RationaleRecord
CounterfactualRecord
EvidenceRelation

其中每個推論必須帶：

source
confidence
scope
time
observer
model/version

32. 核心不變量

VUSD-I1

\boxed{ \text{Creation} \neq \text{Artifact}. }

VUSD-I2

\boxed{ \text{Artifact} \neq \text{Perception}. }

VUSD-I3

\boxed{ \text{Perception} \neq \text{Experienced Meaning}. }

VUSD-I4

\boxed{ \text{Shared Structure} \neq \text{Shared Subjective Experience}. }

VUSD-I5

\boxed{ \text{Inferred Intent} \neq \text{Known Intent}. }

VUSD-I6

\boxed{ \text{Creator Rationale} \neq \text{Functional Rationale}. }

VUSD-I7

\boxed{ \text{Visual Style} \neq \text{Visual Understanding}. }

VUSD-I8

\boxed{ \text{Description} \neq \text{Understanding}. }

VUSD-I9

\boxed{ \text{Good} \neq \text{Universal}. }

VUSD-I10

\boxed{ \text{Bootstrap Operator Set} \neq \text{Final Ontology}. }

33. VUSD 的研究問題

後續應測試：

Q1

AI 能否把作品分解為 stable Visual Decisions？

Q2

AI 能否把 Decision 與 Perceptual Mechanism 分開？

Q3

不同 AI 是否會在 shared-domain operators 上收斂？

Q4

AI 是否能區分：

known intent
vs
inferred intent

？

Q5

AI 的 counterfactual prediction 是否與 human experiment 一致？

Q6

同一 shared-domain state 對不同 observer 是否能產生合理不同 projection？

Q7

VUSD 是否能改善 generation repair / style preservation / art analysis？

34. 系列後續

VUSD Series 預定：

Paper 01

從作品到理解：視覺理解共享域理論總綱

建立總模型。

Paper 02

創作意圖與視覺理由：從作者意圖到視覺決策的證據模型

處理 Intent / Rationale / Evidence。

Paper 03

理解共享域算子族：跨觀察者的視覺關係語義

處理 Shared Domain。

Paper 04

視覺反事實與因果理解：如果不這樣畫，會發生什麼？

處理 Counterfactual。

Paper 05

視覺演化與自適應算子生態：從固定美術語法到開放世界創作系統

處理時間、文化、AI、觀察者與 operator evolution。

Technical Whitepaper

Visual Theory Evolutionary Knowledge Runtime

將整套理論落地為可版本化、可追溯、可演化的知識 Runtime。

35. 結論

人類並不缺乏美術知識。

人類擁有：

美術教育
構圖理論
色彩理論
藝術史
符號學
知覺研究
畫家經驗
設計經驗
市場經驗

真正缺少的是：

一套把這些知識統合成 AI 可顯式推理的「意圖—決策—知覺機制—共享理解—觀察者經驗」框架。

VUSD 的核心不是宣稱：

「我們終於知道什麼是美。」

而是提出：

\boxed{ \text{Visual Understanding} = \text{Intent} + \text{Context} + \text{Decision} + \text{Mechanism} + \text{Shared Relation} + \text{Observer Projection} + \text{Counterfactual}. }

一個真正理解作品的 AI，不應只會說：

這是一張漂亮的古風角色立繪。

它應逐步能回答：

它做了哪些視覺決策？
哪些決策彼此耦合？
為什麼這些決策可能有效？
它對哪些 observer 可能產生什麼效果？
哪些是已知作者意圖？
哪些只是推論？
如果改掉其中一點會怎樣？
這種作用在什麼歷史與文化條件下成立？

而且在不知道時，必須能說：

UNKNOWN.

這樣的系統才開始從：

\text{Visual Description}

走向：

\boxed{ \text{Visual Understanding}. }

End of VUSD Paper 01 / 05 — v0.1