昨天跳過了一個細節：照片怎麼選，我為什麼跑去做研究。

一開始我的命題只有「幫我選精選照片」，沒有方向，也沒有成功與否的標準。

美學分數選出一堆空景

CC 推薦我用 Apple 官方的美學評分，直接選出拍得分數高的，比例建議選 15%。

後來我才知道，這是 Apple 在 2024 年 WWDC 公布的 Vision 框架（Apple 內建的影像分析工具）功能之一。丟一張照片進去，它會回給你兩個結果：

• 美學分數：-1 到 +1 的評分，綜合了美感與拍壞的程度
• 是不是實用照：截圖、收據、文件這類拍來記事的照片

有了明確的標準，出來的卻是災難。我把過年帶爸媽去金澤玩的照片丟進去，762 張照這個規則選出 36 張。打開一看，全是空景。跟爸媽在合掌村的合照、看到夢想中的雪景笑開的爸媽、母女一起買到的手作包戰利品，一張都沒跑出來。

請 AI 去查：大家想留什麼

這不行。7/7 晚上 8:41，我打了一句「自動擇優失敗噎」。我決定藉助專家，請 AI 調研兩個主題：人們在旅遊照片中到底在意什麼，以及精選照片該怎麼訂標準。

做點調查，一般用戶希望的旅遊精選照片包含哪些主題，該如何精選

四分鐘後，報告就出來了。

它找來的研究有 Instagram 上 39,235 則旅遊貼文的快樂情緒分析、Flickr 上外國旅客在北京拍的照片分析，還有怎樣的人像照好看、怎樣的食物照會讓人想去吃。結果很有趣：

• 照片裡有人比較重要。

  Instagram 那篇發現，跟人一起玩、跟人互動，是快樂旅程的關鍵。另一篇人像實驗發現，淺淺微笑的照片，美感評價比面無表情高。純美學模型常常給人像低分（背景雜、光線平），AI 據此推論：一張構圖 70 分但主角在笑的照片，用戶多半會選它，不選 85 分的空景。

• 地標大景用來記得在哪。

  旅遊攝影和相片書設計的共識是：大景照負責「錨定記憶的空間感」。沒有大景，特寫照片會失去脈絡，過幾年連在哪拍的都想不起來。每個地點段落至少要有一張交代「這是哪裡」的照片。

• 細節撐起一座城市的感覺。

  2012 年卡內基美隆大學有個電腦視覺研究，叫〈What Makes Paris Look like Paris?〉。研究者拿 Google 街景比對巴黎和其他城市，找出讓巴黎看起來像巴黎的東西。答案是門、陽台、帶鐵欄杆的窗戶、路牌，艾菲爾鐵塔這類地標反而不是重點。

  這跟我的體感很接近：「2007 年看過大佛後的下午，曼谷街角一隻貓」才是我記憶中的曼谷夏天。

CC 還幫我看了學術界選照片的標準：品質、代表性、多樣性、覆蓋度。

我用 Apple 的美學分數，只做了品質，在代表性、多樣性、覆蓋度上完全沒有著墨，難怪我覺得不咋地。

拍板：主題權重 × 美學分數

最後我拍板，照片分成「人物／大景／食物／細節／其他」五大主題，精選要盡量涵蓋這五類。

美學分數還是用得上，但要乘上主題權重。一開始的權重照研究排序：人物 ×1.25，大景和食物 ×1.10，其他 ×1.00，細節 ×0.95。

換成百分制來講，70 分的笑臉 × 1.25 = 87.5，贏過 90 分的細節 × 0.95 = 85.5。笑臉終於有機會上榜了。

「只做了品質」是 v1 的狀態，v2 補上了其中兩個：連拍和幾乎一樣的照片合併成一群，只留最好的一張，這是多樣性；每個場景至少保一張，這是覆蓋度。結果金澤從全空景變成 33 張：人物 16、大景 8、食物 5。

心得

一開始我讓 AI 幫我設計選照片的時候，沒有給標準，也沒有給方向。它於是自由發揮，選了業界的普通做法，還推薦了工具。工具很棒，但標準與方向都不是我要的。

靠著調查，我確認了旅遊照片的選題方向，以及一組好照片的標準。

把調查來的結果跟 AI 建議的工具放在一起，成了整個 App 的核心，也成了開發上的合作模式：

體感自己來、市場靠調查、工具靠 AI。

這個系列同步寫在我的部落格：yojuhsu.com/blog

前一篇：【Day7】蒙古的那2577張照片帶出來的開發細節
下一篇：【Day9】邊做邊修的產品定位