需求 风格 模型 一、AI 绘图背景与趋势随着互联网行业发展和技术的进步，设计师也有越来越丰富的手段来应对多种类型的产品需求；比如说 3D 渲染、各种自定义的插件已经成为设计师的工作日常，在不断的提高大家的工作效率；包括最近火热的 AI 绘图，也时常出现在设计师的讨论话题当中。AI工具大盘点：2023年，让这20款AI工具帮你更高效地完成工作~2023年，让这20款AI工具帮你更高效的完成工作~大家好，这里是和你们聊设计的花生~2022年是AI技术大发展的一年，我都快记不清为大家推荐多少种AI工具了。阅读文章 > AI 绘图模型令人叹为观止的画作1. 模型的种类与画风目前市面上，AI 绘图在商业设计领域，目前还鲜有人尝试。我们团队通过网上大量的资料和学习，针对 AI 的先有几个工具进行了研究和试验，看看高阶的 AI 模型能否满足我们的诉求。由于市面上存在大量的 AI 绘画工具，每个工具擅长的画风也各有所长；例如 MidJourney；画面注重细节的构建和表达；Stable Diffusion，画风更偏写实；Disco Diffusion；笔触较明显，适合油画风格；包括每一类型里不同的模型也会有不同的效果，例如基于 Stable-Diffusion 开发的 NovelAI Diffusion Models，风格更偏二次元；基于 AI 绘图具有「低成本、批量输出」的特征，而商业化运营需求也带有「日常、高频」的属性，例如日常大促、节日促销活动的 H5 页面、电商 banner 等；所以我们想将 AI 绘图应用在商业化设计流程之中。尝试打破效率边界，利用低投入高产出的方式为团队提效。二、商业设计如何拥抱 AI在进行具体的 AI 绘图实验之前，我们先把商业化运营设计需求分类，以活动类型、周期、对应设计复杂程度，可将其分为为 S、A、B 三个级别。其中 S 级别以专题大促为主，页面以为 banner 和 H5 为代表；A 级别以平台活动为主，同样是 banner 和 H5 需求并存；B 级别为日常促销，以 banner 需求居多；由于以上几类日常运营图的需求频次较高且生命周期不长，在极快的项目节奏中会较多占用设计人力及项目时间；同时因为 AI 绘图模型具有低成本、批量产出的特征，所以我们尝试用 AI 绘图工具来辅助完成日常的运营设计工作。另外值得一提的是，每类模型的擅长风格不同，我们选用的是时下最火热，也是学习资料较多的 MidJourney 来做尝试。三、B 类商业运营设计需求：轻量手段快速达成面对常规运营 banner 需求，之前团队合作流程是由产品、运营同学按固定周期提需求到设计部门，按需求排期，定量投入设计人力逐步交付。既然工作流程上已是最短路径，那么我们尝试把目光聚焦在需求本质上，将 banner 的结构拆散，可以发现绝大部分的 banner 都由这五类元素构成；那么是否能够利用现有成熟的 AI 类技术平台，直接生成商业运营设计 banner 成品（或半成品）呢？我们接下来就尝试一下。1. 对比和尝试我们首先横向对比了国内外智能出图平台的各项能力，以关键功能类型作为衡量指标，得到了一张能力图表；那么横向来看，各平台的能力可以划分为两大类模版绘制、AI 绘制结合模版设计；第一类在线模版绘制；大量模版可以供挑选并调整，支持线上编辑并输出；第二类 AI 绘制；优势是速度极快快、批量出图，但图像的质量没有保障，需结合模版能力一起使用才能质量可靠的设计图；综合效率和结果两方面来考虑，我们选择第二类方法，如上图所示网上有多种平台可供选择，大家可以根据需求自行选择恰当的平台来进行实验。2. 方法总结在具体操作流程上，跟我们常规的设计作图略有不同；大概分为 2 个阶段；首先我们需要选择配图主题类型、活动类型、人群，这决定了图片风格和商品素材的表现；并输入对应的文案标题，即 banner 图的文案显示；随后可得到批量生成的初稿；点击任一初稿，进入线上编辑环节，利用丰富的在线编辑能力对 banner 图做调整，例如图层查找，替换商品素材、装饰素材，更改字体等等；在智能编辑模块中简单处理后即可得到可用的设计图；经过大量实验后发现，这类方式更适合于电商类型的 banner 图；同时在经过对产品、运营同学的简单培训后，大家也可以非常迅速的做到上手并产出 banner 图；这也与我们的预期判断是匹配的；四、A 类商业运营设计需求：AI 辅助生成除了 B 类的日常促销活动外，我们也会经常遇到类似上图的 H5 头图的运营设计，面对这类需求通常需要在探索风格，绘制画面细节上花费较长时间，我们尝试通过 AI 模型辅助出图解决这个难题。1. 工作流程介绍在正式开始作图之前，我们需要对 MidJourney 的能力区间、工作模式建立基本的认知。MidJourney 允许用户以对话的形式，通过以输入描述词的方式，经过 AI 模型运算后得到其返回的图片。2. 利用 MidJourney 垫图能力辅助设计头图；针对 A 类平台活动类运营需求的绘制工作共分为四个步骤，分别是风格定义，垫图描述，调整与输出；首先先通过参考图，明确出我们倾向的风格和特征；第二步我们需要用到「以图生图」，在 discord 中将参考图发给 MidJourney，并结合意向风格，构图和其他特征添加上恰当的描述，可以得到初稿；不断调整图像与描述词，最终逐步接近目标效果；头图生成好之后，搭配上文案的字体设计与装饰元素，可以看到最终的效果如上。利用 AI 模型辅助生图，可以使繁琐的工作量可以得到有效压缩，从而把大家从繁杂的工作中解放出来。五、S 类商业运营设计需求：AI 智能生成除了较为基础的 A 类运营设计需求外，面对专题大促的运营需求需求，其展示周期更长，且对于设计质量要求更高，常常会涉及到 3D 场景的搭建和渲染工作，相对于 A 类需求，S 类需求通常排期时间更长，同时对设计师的能力提出更高要求；那么针对画面设计要求更高阶的运营需求，除依靠设计师个人能力来应对之外，会否有更高效、便捷的办法呢，我们同样可以通过 AI 模型绘制的办法来尝试解决这个问题。1. 工作流程介绍基于前面对于 MidJourney 的基础了解，我们接下来看下利用 MidJourney 辅助输出运营设计图的工作流，分别是风格定义、撰写描述、二次调整、输出 4 个步骤；① 风格定义首先是风格定义，由于 AI 绘图具有高度的随机性和风格化的特质，而运营设计更注重理性的构图版式。所以在正式进入绘图步骤之前，我们需要提前明确画面大致的风格调性，这样才能保证后续 AI 产出的方向不跑偏，并更准确的获取我们想要的图像；我们以电商运营广告中最常见的美妆类别举例，通过观察可以发现，美妆类的图像具有明显的风格化特征，比如居中或对称构图、明亮的环境光等。所以这些特质就将成为我们输入的词汇，同时也是输出筛选步骤里的重要依据。② 撰写描述MidJourney 模型出图有两种模式，最常见的是 text to img 文本生图；以及 img to img 以图生图；文本生图即通过一段文本描述告诉 AI 模型你想要的画面，由它帮你绘制出来；以图生图是通过一份原始图片，配合文本描述，来绘制跟原始图片类似风格但又不尽相同的图片素材；无论哪种方式，都需要明确一个关键的概念「Prompt」，也就是「关键词描述」。Prompt 关键词描述可以理解为与 AI 创作沟通的媒介，我们需要将脑海中构想的画面用恰当的提示词（语句）描述出来，并通过它来缩小 AI 想象的空间，它才能听懂、理解并产出令人满意的画面。另外值得注意的是，相同的描述文本内容，词语的顺序、前后词汇的关系对于内容的产出影响差异也会非常的大。所以关键词描述的写法至关重要；Prompt 的大致写法由几个部分构成，主体部分，环境氛围，构图，风格化，以及其他设定。我们接下来通过 Prompt 描述公式，一步步完成一张美妆运营图的设计。首先是主体内容的描述，通常可以拆解为，存在几个「什么样的」的主体，在做什么动作，并附带了其他的什么动作。例如：There was a pink lipstick and a glass bottle of perfume；可以得到如上的主体内容，香水口红的图像。其次是为主体内容添加场景或环境，例如给定某些地点或物件。比如案例中，我们指定背景花朵、自然植物，以及倒影等词汇。通过观察以上四张图，可以发现模型中「Nature Plants」这个词汇对画面有较大的影响，决定了不同风格的背景以及复杂程度。同时也能发现，尽管只相差了一个描述词，但前后结果仍存在较大的差异，所以大家在调试画面的过程中可以从词汇逐个调整，以尽量减少画面的随机跳变；然后是构图与镜头，比如左侧两张图强调景深，右侧两张图强调了构图位置等；接下来是风格化与参考方向，可以添加上艺术家名字或平台名字，或直接将图像风格写出来；比如说 3D 渲染还是 2D 画风，可以从上图的结果中明显感觉到两者的区别。最后是图像的设定，例如--q 5，代表最高图像质量；同时你也可以通过类似「8k, ultra realistic」这样的词汇来对画质做强调。第二点是画幅，--ar 3:2 表示横纵比为 3 比 2 的横幅图像，--ar 9:16 表示横纵比为 9 比 16 的纵向图像；-- v4 代表最新的第四代计算模型；最终通过以上五个小步骤，我们可以得出一大批风格各异的草图：再通过第一步的风格调性做筛选，可以初步得出不同类型的初稿，以满足不同的品类需求。③ 二次修正，进阶调整当取得满足需求的初稿之后，我们可以使用 MidJourney 的进阶功能，来提升图像质量或对图像画面做调整；以下是几个使用频率最高的的调整功能；首先是通过点击成图下方的 U 按钮，可以放大对应序号的图片的比例，来提高其分辨率；第二种，通过点击图片下方的 V 按钮，可以基于原描述词，生成对应序号图片的变体，画面对比母版，图片的细节会出现随机变化，例如上图的花蕊、香水瓶的外轮廓；第三种是 Light Upscale Redo & Beta Upscale Redo，这两个功能都可以提升画质并细化效果；最后一种也是变体生成方法，值得注意的是，需在「/setting」中开启「Remix mode」功能后，再次点 V 功能，此时可以二次编辑关键词；例如上图就通过「Remix mode」重置了图像的尺寸比例。④ 调整输出将二次修正后的图像，经过设计师轻量化的调整工作，例如修正细节，添加文案后，即可看到最后的效果。以上就是利用 AI 绘图技术辅助生成 S 类商业运营设计图；可以看到其优势是短时间、大批量生成可供选择的风格背景图；同时能配合需求本身，通过 AI 模型的变体加二次描述词编辑，来满足我们的个性化要求。结语以上则是本文的全部内容，如果你也想通过 AI 绘图的形式来辅助提高自己的工作效率，以下几点值得仔细阅读，首先 MidJourney 前期有免费的体验额度，当额度用完后需要付费使用。其次免费用户生成的作品不能商用，只有付费用户才拥有该图片的所有权。由于 AI 绘图的版权政策时常存在变动，所以也请大家关注 Midjourney 官方信息，以免带来困扰。随着 AI 模型能力的飞速迭代升级，现有的短板能力也会不断补齐，因此我们可以相信在不远的将来，设计师利用 AI 模型来开脑洞并辅助出图是趋势所向，但并不是说我们需要完全依赖 AI，因为设计本身是理性而浪漫的工作，仅靠随机性做设计是完全不可取且不靠谱的。更合适的思路应该是，设计师首先定义好规则与框架，从 AI 模型提供的成百上千个结果中寻找到最匹配我们诉求的结果，从而辅助我们更快更好的达成目标。另外面对日新月异的的智能工具，我们应该保持终生学习的心态，做好时刻接受新事物的挑战，才能在越来越激烈的竞争中立于不败之地。欢迎关注作者微信公众号：「腾讯ISUX」本篇来源：优设网原文地址：https://www.uisdc.com/aigc-design
色彩 颜色 模型 色彩作为设计师的基本功，如何平衡产品的色彩搭配是每位设计师的必修课。如今市面上有种类繁多的配色工具可以一键生成配色方案，也有成套色卡作为色板参考，但是当面对高度自由且需求多变的设计状况时，如果缺少对色彩规范的系统理解，仅跟随设计师自身喜好进行配色，往往会导致产品杂乱不堪，没有章法。本文结合我自身的工作和学习经验，从理论基础到色彩系统搭建带大家由浅入深学习下 B 端产品中的色彩体系。更多色彩建立干货：如何4步建立系统级色彩体系？来看京东高手的方法！色彩体系的推导其实有很多文章有详细的介绍了，这一篇主要粗浅的梳理了整体流程经验，补充一下技术方法与色彩模型的差异。阅读文章 > 一、色彩理论基础色彩理论基础是搭建色彩系统的基石，接下来我将从色彩本质开始，为大家介绍设计师需要掌握的几种常见色彩模型。1. 色彩的本质在小学物理课上我们都学过，色彩是由物体自身发光或反射出的光映射在人眼后所感知的，而光的本质是一种电磁波。自然界中存在不同频率的电磁波，短频的如 AM 收音机、电视信号，长频的如 X 光、伽马射线，我们所熟知的可见光则是电磁波中人眼所能接受波长约为 380~780nm，也就是从紫色到红色范围的这段色彩。资料来源：网络反射到人眼中的光，除了光本身的颜色，还会收到物质特性的影响。白色物体在被黄光照射时，反射到人眼中看起来就是黄色的，但蓝色物体在被黄光照射时会呈现黑色，原理是黄色作为蓝色的反色调，黄光本身不包含任何蓝光，因而被蓝色物体完全吸收时并无法反射出其他颜色，导致人眼看起来就是黑色。资料来源：巫师后期-什么是颜色此外，我们最终感受到的颜色除了光和物质特性外，还会收到周围环境、时间和历史经验的影响。下面这张网络图很多人都见过，同一张图片在不同人眼中会识别为不同的颜色。图片来源：巫师后期-什么是颜色综上所述，色彩的本质是一种复合的物理现象，是人眼感知物体表面反射光的结果。2. 色温：描述发光体的冷暖关系通过理解色彩本质可以发现，单纯凭借人的色彩感知来描述颜色具有很强的主观性，要如何保证在实际生产中每个人表述的是同一种颜色呢？这就需要找到可以科学且规范描述颜色的方法，在日常生活中我们接触比较多的是色温法。色温法的原理是：物体把热量以光的方式辐射出去，当物体处于不同温度时会发出不同颜色的光：温度比较低时呈现黄色，温度高时呈现蓝色或白色。这里标定的色温和大众认知中的冷暖感受正好相反，通常我们会认为红黄色调偏暖，蓝白色调偏冷，但实际上红色的色温最低，然后逐步增加的是橙色、黄色、白色和蓝色，蓝色是最高的色温。因此色温的高低和给人的色调感受是正好相反的。资料来源：网络熟悉摄影的同学都知道，当我们在清晨或黄昏的户外拍摄时照片时常会发黄，这是因为该时间段色温较低，光线呈现为橙黄色。而相机的白平衡模式可以缓解环境光的影响。其原理就是通过切换预设场景的色温值抵消当前实景的色温影响，使拍摄出的照片呈现出白色基准更真实。资料来源：网络色温法是建立在物体可以自身发光的基础上，而在自然界的发光体中，红、黄、蓝色会更为常见，但是绿色和洋红色很少。所以单靠色温法描述颜色不够准确，它更适合用来反映环境冷暖和色彩的倾向关系。资料来源：网络3. 常见的色彩模型为了更准确的描述颜色，工程师们引入了色彩模型的概念：将色彩拆分成不同属性并进行量化，通过计算机语言更科学准确的表述颜色，而不同维度的拆分方法便是色彩模型。随着科技发展和生产制造的需要，色彩模型迭代出了多个版本类型，接下来我将挨个介绍常见模型的差异和功能特点：① HSB 和 HSL 模型HSB 模型也称 HSV 模型，该模型是建立在人眼识别色彩的基础上，符合人类日常的生活经验，相较其他模型最为直观易理解。该模型主要使应用在图像处理、计算机图形学、色彩管理等领域，用于描述和操作颜色。其属性包括：H 色相：Hue，以角度（0-360）表示S 饱和度：Saturation，以百分比值（0%-100%）表示B/V 亮度：Brightness 或 Value，以百分比值（0%-100%）表示HSL 是和 HSB 原理相同的模型，在工作中很容易会被混淆使用，其区别在于：HSB 中 B 指的是「亮度 Brightness」，而 HSL 中 L 指的是「明度 Lightness」。为方便大家理解，对于这两种模型的详细区别，我整理了出了以下表格：资料来源：网络HSB 和 HSL 模型在使用场景上都是用于软件开发应用，在实际工作中我们接触 HSB 模式的场景会更多，但到底哪种模型更适合人类用户使用的界面设计尚未有定论。对于设计师自身而言需要注意的是，在和开发同步设计资料时确保使用的是同一种模型，避免产生颜色误差。虽然 HSL 模型有诸多好处（HSB、HSL 属于同类模型，后文统一用 HSL 概括），但其缺陷也很明显：HSL 模型无法用于工业制造，因为在自然界中基本很难找到某一属性纯度可以达到标准的物体，也难以控制单一属性变量来改变物体颜色。为了解决以上限制，用于屏幕显示的 RGB 模型和彩色印刷的 CMYK 模型应运而生。② RGB 模型RGB 模型是依据颜色发光的原理所搭建的，也被称为光的三原色，工业上用于通过红、绿、蓝三色发光单元产生颜色的电子屏幕。R 红：Red，以数值（0-255）表示G 绿：Green，以数值（0-255）表示B 蓝：Blue，以数值（0-255）表示通常情况下，RGB 各有 256 级亮度，用数字表示为从 0、1、2...直到 255，虽然数值最高是 255，但 0 也是数值之一，因此共 256 级。将三种颜色叠加并控制其颜色强度，256 级的 RGB 色彩总共能组合出上千万种色彩，而这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。资料来源：网络RGB 模型是我们日常工作接触最频繁的模型，但是不知道你是否产生过疑惑：为什么偏偏选择「RGB 红绿蓝」作为光的三原色，而不用其他色彩呢？首先我们要明确，能作为三原色的基础是必须保证其中任意一色不能通过其他两种颜色混合而成，且这三种颜色混合后能形成足够多的颜色种类。而 RGB 能作为三原色的色彩主要和人眼的生理结构有关：资料来源：网络前面我们提到，光的本质是一种电磁波。而视锥细胞共分为三种，分别对长、中、短三种电磁波长最为敏感，而这三种波长的光对应的正是红、绿、蓝三种颜色。当这三种感光细胞收到刺激后，会自动对将感受到的光色进行组合从而形成多种多样的色彩。这也是为什么「RGB 红绿蓝」被作为三原色的客观原因。资料来源：网络关于 HEX 色值这里还有个知识点就是 HEX 色值，听到它大家都不会陌生，在很多拾色器中我们都见到过，工作中也经常将其提供给开发同学作为颜色标识。虽然看起来结构不同，但 HEX 也是采用 RGB 模型的原理来定义颜色，只是语言上用的是十六进制代码：字节值范围从 0 到 FF，颜色的最低强度为 00，而最高强度为 FF。实际转换时，每位数字范围是 0～15（分为 0～9 和 A～F，其中 A～F 表示 10～15），这样每位数字都能代表 16 个数，而每 2 位数字相乘即可代表 256 级，正好对应一个颜色通道。相较于长段的 RGB 表示法，HEX 色值表示法只需六位字符，更加紧凑轻量，所以更适合开发人员使用。十六进制到 RGB 转换器工具： https://purecalculators.com/zh-CN/hex-to-rgb-converter③ CMYK 模型以上 RGB 模型是针对可自身发光的物体，CMYK 模型则是针对依靠反光的物体。CMYK 是色料的三原色，也叫印刷的三原色，使用最多的场景是媒介印刷，其原理是基于油墨的光吸收/反射特性，眼睛看到颜色实际上是物体吸收白光中特定频率的光而反射其余光得来。R 青：Cyan，以百分比值（0%-100%）表示M 品红：Magenta，以百分比值（0%-100%）表示Y 黄：Yellow，以百分比值（0%-100%）表示B 黑：Black，以百分比值（0%-100%）表示资料来源：网络通过以上现象我们会发现，将不同颜色的物质不断揉合最终会得到黑色物质，而这正好满足了我们工业印刷品上白纸黑字的需求：选择「红、绿、蓝」的补色「青、品红、黄」，通过调整这三种颜色油墨的比例，就能得到反射不同颜色的油墨。理论来说同比例的这三色油墨可以直接混合出「黑色」，但是现实中由于生产技术的限制，油墨纯度往往不尽人意，混合得到的黑色不够浓郁，只能依靠提纯的黑色加以混合，这种做法同时也可以节省油墨消耗。资料来源：网络在显示器等发光体下，RGB 模式的数值越大则光线越强，最终呈现的亮度也会最大。但是在印刷品等反光体下，其纸张本身的白色即是可以呈现的最高亮度， 所以 CMYK 模式的数值越大则油墨越多，最终呈现的亮度会越低。也因此：RGB 被称作加色模型，即多色叠加最终将得到白色CMYK 被称作减色模型，即多色叠加最终将得到黑色。④ Lab 模型以上三种是最常见的通用模型，还有些色彩模型用于更特定的场景，Lab 模型便是基于生理特征的一种模型。RGB 和 CMYK 受限于载体，同样的颜色可能会因为材质差异影响呈现不同的颜色，Lab 模型则是弥补其不足，摆脱原材料载体对模型的影响。1）L 明度：Lightness，以数值（0-100）表示2）a b 是两个颜色通道：a 通道：从绿色到红色，以数值（-128 至 127）表示b 通道：从黄色到蓝色，以数值（-128 至 127）表示资料来源：网络Lab 模型无法用于实际生产制造，但是其色彩空间比计算机显示器甚至比人类视觉的色域都要大，在转换成其他模型时色彩不会丢失或被替换，所以通常用于图像色彩空间转换、色彩校正、色彩相似度比较等场景。在进行具体的颜色转换时需要复杂的计算公式，作为设计师只需了解其模型用途即可。关于色彩空间上面我们提到一个词叫色彩空间，它是图像处理和计算机图形学领域中非常重要的概念，在图像处理、图形学、图像质量评价和广告设计等众多领域都有涉及。很多人会将它与色彩模型弄混，实际上两者是不同的概念：色彩模型：一种数学模型，用于表示色彩的三维数学空间，通常会用 3 个或者 4 个数值来表示。色彩空间：一种色彩表示方法，它将色彩模型中的颜色映射到二维或三维空间，以便于显示和比较。总而言之，色彩模型是用于表示色彩的三维数学模型，色彩空间是对色彩模型的二维或三维映射，方便于显示和比较色彩。色彩空间通常与色彩模型一起使用，并使用特定的数学表示法来定义色彩空间中的颜色。资料来源：维基百科⑤ HCL 模型HCL 模型最早由国际照明协会 CIE 提出，又被称作 CIELch(uv)。该模型是为了解决色彩对比度问题而诞生的模型，对颜色识别有障碍的视障人士更友好。H 色相：Hue，以角度（0-360）表示C 色度：Chroma，可以理解为颜色的浓度，浓度值越大，颜色就越鲜明。以数值（0-150）表示L 照度：Luminance，用于量化人眼对光的亮度的感知。以数值（0-100）表示。注意这里 HCL 模型的「Luminance」与前文 HSL 模型中的「Lightness」是不同的，我们先来看一个例子，分别通过 HSL 和 HCL 推导的色卡在对比度上有何差异？很明显，虽然都是控制变量但左图在颜色对比度层次不齐。这是因为 HSL 模型是基于电子元件的显示亮度进行计算的，但并非人眼感知光的实际感受。所以在配色时如果采用 HSL 模型，即使「Lightness 明度」值相同，色彩亮度在人眼看来依旧不匹配，需要设计师基于主观意愿进行调整，不仅耗费时间和精力，配色流程不够科学标准化。HCL 模型则很好的解决了以上问题，其初衷就是基于人眼对亮度对感知而创造的：只要「Luminance 照度」保持一致，不同色相的颜色亮度感受始终会保持均匀，这种情景下取色流程会更加简单高效，应用到产品上对视障人士也更加友好。资料来源：TDesign需要注意的是，HCL 模型的色彩空间和其他模型不一定能完全匹配，所以直接转换可能存在颜色丢失或被替换的情况，这里为大家提供了几款以 HCL 色彩模型为基础的色彩转换工具：HCL 转 RGB HEX： http://hclwizard.org:3000/hclcolorpicker/MD 主题搭建工具 HCT Color Picker： https://m3.material.io/theme-builder#/customColorpicker for data： http://tristen.ca/hcl-picker/#/hlc/12/1.03/182009/A9FC8EFigma 插件： https://www.figma.com/community/plugin亮度、明度和照度的区别介于中英文语义的差异，Brightness、Lightness、Luminance 都可以翻译为“亮度”，然而在色彩模型中每个词却有更深层次的解释，为方便大家区分理解区分，将三者整理在一起进行对比：Brightness 亮度：用于 HSB 模型，客观测量颜色的显示亮度。颜色变化从黑到标准色相，满值为颜色标准色相。Lightness 明度：用于 HSL 模型，和 HSB 一样客观测量颜色的显示亮度，与人亮度感知没有直接关系。颜色变化从黑到标准色相再到白，半值为颜色标准色相，满值为白色。Luminance 照度：用于 HCL 模型，主观上衡量发光的强弱和颜色对比度。可以发现前 2 个都是客观上对颜色亮度的衡量，而「Luminance 照度」才是真正意义上主观感受颜色的标准。二、B 端产品的色彩系统近年来，随着企业级产品功能体量不断丰富，产品设计体系逐渐趋向于规范化，如何搭建一套标准易用的色彩系统对于提升团队工作效率和产品体验一致性至关重要。通过系统化的颜色管理方法，可以帮助企业统一品牌颜色，提高品牌识别度和统一性。接下来，我将为大家详细讲解 B 端产品中色彩系统的构成和搭建方法：1. 色彩系统的概念简单来说，色彩系统是指从整个设计系统里抽离出的分支，为方便管理而针对色彩语言搭建的管理体系。完整的设计系统由设计语言和模式库构成，在设计原则的指引下，通过统一的协作语言和科学的管理方法组织起来，创建体验一致的用户界面。完整的设计系统可以拆解成三部分：设计原则：设计要遵循的中心思想，所有的问题和形式都向原则靠拢，减少不确定性设计语言：包括价值观、品牌、符号、色彩、文字等品自主表达的媒介模式库：即组件库，通过对控件进行归纳整理形成的可快速复用工具库色彩系统也是如此，并不仅仅是简单的色彩组件库，结合设计系统的内容，我们可以将设计原则和设计语言归入色彩规范中，而模式组件库即产品色板（调色板）。这里可以将色彩系统定义为：由色彩规范和产品色板组成，可以科学有效管理色彩的应用程序。2. 什么是好的色彩系统理解了色彩系统的定义，如何保证搭建的色彩系统科学有效？好的色彩系统应遵循以下三个原则：有意义：能够体现产品个性，凸显品牌基因，满足用户对产品的认知感受，不同色彩的搭配使用能满足用户的心理预期，提升使用体验。易上手：色彩系统不仅仅是给设计师自身使用的，在整个产品周期中，从上游的品牌战略到下游的视觉运营，都要使用到产品配色，优秀的色彩系统应方便团队成员上手，即使没有专业背景也可以很快的理解和使用。无障碍：不同颜色间对比度要匹配 WCAG 的对比度标准，保证内容元素的可识别度。3. 色彩识别无障碍资料来源：网络在色彩系统搭建之初就考虑色彩无障碍识别问题，可以普适更多场景，有效提升产品信息识别度和易用性。WCAG（Web Content Accessibility Guidelines ）内容无障碍指南作为行业广泛使用的无障碍设计标准，是检验文字颜色可读性的有效依据，只要文本颜色与背景色之间的对比度满足以上标准，就能确保被清晰识别。WCAG 2.0 中将颜色对比等级分为 3 种，等级越高意味着颜色的对比度越高，呈现出来的信息可读性越好：A 级：对比度 3 : 1，是普通观察者可接受的最低对比；AA 级：对比度 4.5 : 1，是普通视力损失的人可接受的最低对比度；AAA 级：对比度 7 : 1，是严重视力损失的人可接受的最低对比度。这里为大家推荐一款可视化对比度检测工具 Color Review：通过将 3、4.5、7 对比度临界点的颜色通过曲线标识，可清晰直观的看到当前色值的对比度在拾色器中的位置，方便进行调整。Color Review 对比度可视化检测工具： https://color.review/资料来源：Color Review4. 产品色板的组成依据色彩的类型和功能不同，产品级色板的内容可分为主色、中性色、辅助色和功能色，其中每种颜色都应有相应的色阶拓展供配色使用。① 主色产品主色一般是页面中使用最多的颜色，通常被使用在关键行动点、操作状态、重要信息提示、图形化等场合。很多设计师会直接将主色和品牌色划等号，即直接将品牌色作为产品主色使用，我们日常接触的 C 端产品大多也是直接使用品牌色作为主色使用，但是 B 端产品主色也可以直接使用品牌色吗？这里需要先理解 B 端和 C 端产品的设计差异。C 端产品设计侧重流量思维，追求尽可能渗透用户的碎片化生活来吸引用户。通过将品牌色作为主色使用可以凸显品牌特征，强化用户心理认知，以此来提高用户粘性和活跃度。而 B 端设计侧重的是效率思维，强调提升用户的操作效率帮助其达到使用目标。所以 B 端产品主色优先考虑色彩的识别度和视觉感受，尽可能保持用户在使用产品时沉浸感，即使在长时间浏览时也不会感到不适。因此究其根本，B 端产品主色不能对用户的使用操作造成干扰，必要时需要在原有品牌视觉的基础上提取品牌色进行修正，使其更符合用户的使用场景。当然能兼具品牌价值传递和操作体验是产品的最优方案。② 中性色中性色又称无彩色，包括黑色、白色及调和后不同深浅的灰色，常被使用在文字、图标、背景、线框等场景。中性色本身不具备颜色属性，没有色相冷暖的区分，因此可以更好的衬托其他有彩色，也能拉开信息的层次差距，对于创造结构、表达边界和建立信息层次十分重要。一般浅灰色应用在分割线、表单描边、背景色等场景，划分页面布局且避免对主要内容造成干扰。深灰色主要应用在正文、标题、图标等元素上，通过明度变化突出内容，方便用户浏览。有些产品会在中性色中加入适度色彩倾向，在保持中性色本身信息区分度的前提下，增加品牌色基因来强化品牌氛围。资料来源：TDesign在搭建中性色色板时，对于配置文字颜色市面上有 2 种解决方案：一种是直接控制灰度拓展色阶，另一种是用透明度变化建立色阶，如使用#000 并降低其透明度。市面上采用透明度方案的并不多，考虑到其根本目的是为了保证文字信息内容可以被正确展示，在此针对两种方案的使用场景提供更清晰的使用建议：色值变化：内容可以完整的保留色彩信息，不会造成色彩丢失，在组件搭建上维护成本更低。适合大多数场景下使用。透明度变化：在复杂图片或纹理的背景上依旧可以很好的展示内容信息，且可以更好的适配亮暗模式，更具包容性，但在一定程度上会增加浏览器的渲染负担。适合使用在暗亮模式需求或有复杂背景纹理的页面中。③ 辅助色辅助色是在主色基础上衍生出的其他颜色，主要有 2 个作用：一方面可以平衡色彩系统，缓解用户在使用产品过程中频繁使用单色造成的视觉疲劳，另一方面可以丰富色彩系统的可用性，通过和主色对比增加内容区分度。资料来源：网络根据研究来看，人类可命名的有彩色数量仅为 8～9 种，更多的颜色分类会增加使用时的筛选负担，同时色彩区分度也会降低。故通常建议在人类可命名的 8 种颜色中选择 6～8 种作为辅助色即可，如果有更多用色场景需求可以考虑加入拓展的颜色色阶进行交替使用。④ 功能色B 端产品中会利用色彩的心理暗示来对用户进行状态反馈，以降低用户认知成本，这部分辅助色通常被独立出来称为功能色：遵循用户心智和行业内默认的色彩语义，选择特定颜色向用户传达成功、失败、告警、链接等状态信息。如用红色传达通知、提醒、错误等，绿色传达确认、成功、正确等，橙色传达警告等。5. 色彩系统搭建以上便是色彩系统的主要内容，接下来将详细介绍如何搭建适合自身业务的色彩系统，主要分为以下五步：第一步：色相环取色。由主色推导出既符合品牌调性又具备区别度的辅助色。第二步：颜色校正。对选择的颜色进行色彩校正，使其保持感官同频。第三步：色阶延展。针对选择的颜色搭建层级均匀、层级清晰的色阶梯度。第四步：色彩语义化。对搭建好的色板进行语义命名，方便团队调用。第五步：团队推进。将资源同步至团队中使用，并优化迭代。① 第一步：色相环取色色相环取色是在主色基础上通过使用色相环来提取辅助色，具体的操作方法为：以主色的「色相 Hue」为起始点，在色相环上以 15为梯度进行加减，得到 24 色的色板。再根据自身产品场景，选择其中 6～8 种的颜色作为辅助色。② 第二步：颜色校正在色相环取色过程中，虽然保持其他变量，只对色相进行了变换，但由于颜色本身在视觉感受上存在亮度差异，故需要进行颜色校正，一方面保证整个色板保持视觉上的感官同频，另一方面保证视障群体的识别度。③ 第三步：色阶延展选择合适数量的辅助色后，需要对单个颜色进行色阶拓展以提供更多的色彩搭配空间，色阶拓展是指将同色相下的颜色由浅到深划分为多个色阶梯度。通常色阶拓展采用 8～12 级进行划分，如果层级过少可能会无法满足日常的取色需求，而层级过多又会导致色彩区分度下降，在取色时也会增加选色成本。市面上有很多种色阶延展的方法，这里为大家整理了几种常见的方法：透明叠色、直线等分、工具生成，各位同学可以基于团队情况自行选用：透明叠色法顾名思义，透明叠色法是在原来颜色的基础上叠加不同透明梯度的白色/黑色遮罩，由此得到不同色阶梯度的衍生色，再通过取色器吸取叠加后的色值。该方法实现成本低，无需其他工具配合即可实现，但是操作相对繁琐，当叠加层级较多时可能会导致颜色偏差，有时需要基于实际情况再做微调。直线等分法直线等分法是通过在拾色器中建立坐标系，之后采用直线等分打点的方法取色。其中拾色器的坐标系是基于当前选择的色彩模型而定，如 HSB 模型横/纵坐标为饱和度/亮度，HSL 模型则是饱和度/明度。直线等分法的操作较为简单，可以通过公式算法自动取色，但设计师独立推导的计算成本较高，通常需配合公式计算。具体的操作步骤如下：1）在拾色器上标明要延展的颜色，将色值点与左上方纯白和右下方纯黑点连接，得到 2 条线段2）将 2 条线段均匀分为 5 段，所有线段段点合集共 11 个点，计算每个点的色值数，即可得到这 11 个点组成的色板。3）以现有颜色坐标（X，Y）为基准，采用以下的计算公式即可得到延展色的色值：左上方点：横坐标(X/5)递减，纵坐标以[(100-Y)/5]递增右下方点：横坐标以[(100-X)/5]递增，纵坐标以(Y/5) 递减工具生成经过多年发展，国内外多家设计系统都开发了直接生成完整色板的开源工具，且经过不断迭代如今算法基本能满足大部分场景下的色板需求，是中小团队的首选方法。但是工具生成也存在一些弊端，其色值生成始终是建立在公式计算的基础上，故在部分极端场景下依旧需要设计师介入调整。资料来源：Ant Design 色板生成算法演进之路以下给大家整理了常见的色板生成工具：在线工具 Chroma.js： https://www.vis4.net/palettesArcoDesign Palette 色彩工具： https://arco.design/palette/listAnt Design 色板生成工具： https://ant.design/docs/spec/colors-cn#色板生成工具Material Palettes 色板生成工具： https://www.material.io/design/colorHTML Color Codes 颜色选择器： https://htmlcolorcodes.com/Eva Design System 色彩系统： https://colors.eva.design/Atmos 色板生成工具： https://atmos.style/④ 第四步：色彩语义化色彩语义化是指依据颜色在界面中的作用和使用场景进行重新命名，方便团队后期的维护和使用。这一步看似简单，但是实际操作起来需要设计师对色彩的使用场景和团队取用有深入的理解，很多细节需要推敲和考量。这里推荐参考 Nathan Curtis 的语义模版，作者将设计系统下的命名模版分为了四个部分：命名空间-元素对象-基础样式-修饰备注。资料来源：Naming Tokens in Design Systems原文关于设计系统下的语义命名进行了详细介绍，有兴趣的可以直接阅读原文： https://medium.comNathan 关于设计系统的命名涵盖了包括色彩、控件、文字等一系列元素命名方式，而色彩系统只需要截取其中部分拼装成符合自身场景的语义模版即可。各位可以基于产品规模和团队情况选择合适的内容进行命名封装，需要注意的是，语义模版的命名需要合理的把控精度：一方面过细颗粒度的命名会导致过于臃肿，维护成本过高，另一方面粒度过粗的命名会导致元素区分度不够，在团队推进使用时容易造成混乱。关于如何验证色彩语义是否清晰有个很简单的方法，即直接将设计的配色方案提供给开发同学，看能否在不借助颜色进行备注和说明的情况下只通过命名即可理解色彩的语义场景，通过不同角色视角更容易发现色彩命名的问题。⑤ 第五步：团队推进到这里色彩系统的基础色板和配色方案基本都搭建完成了，后续就是将其整理到组件库，并输出设计文档同步给团队其他成员使用。这里推荐使用 Figma Tokens 插件来进行管理和维护。此外，在同步前端同学建立开发组件库时，尽量采用语义命名对颜色进行封装，而非直接写死固定色值，以便日后在迭代调整时更加灵活。设计内协同：在 Figma 中生成颜色变量与开发代码联动：利用颜色变量表进行信息同步参考资料https://www.yuque.com/xiami0101/bq79sy/vtnqb262ag42tt66https://www.yuque.com/xiami0101/bq79sy/hy3vvihttps://www.youtube.com/watch?v=k1rB1Y4isHs&list=PLhnwj_CftHvhwO8P0mytRNZzlgbtOvgf4https://www.jianshu.com/p/f0e6382dd825https://zhuanlan.zhihu.com/p/165548359https://jessieji.com/2020/hcl-instead-of-hslhttps://medium.com/@pk.kiselev/designing-colour-system-d9d39f245e01https://www.jianshu.com/p/facdbab5ac20https://zhuanlan.zhihu.com/p/32422584https://www.yuque.com/xiami0101/bq79sy/ntkf60rgs9g3m2h2?singleDoc#https://zhuanlan.zhihu.com/p/102743681?utm_id=0欢迎关注作者微信公众号：「虾米的体验笔记」本篇来源：优设网原文地址：https://www.uisdc.com/color-system-2
认知 模型 心理学 用户体验设计是对人性和需求的洞察诠释。优秀的用户体验设计起始于对用户心理和场景的洞察、共情、深刻理解，尤其是在人机交互的体验设计中，当下的智能时代中的人机交互设计，一个按钮代表了用户的可操作性，会发生什么，会产生什么结果。用户体验设计正是以用户目标为中心的设计，而以用户为中心的设计自然需要通过深刻研究“用户”，包括研究“用户需求”以及“用户能力”，其中能力又由“认知和行为”两方面构成，同时认知和行为也构成了对外界“感知和行为”的反馈。围绕认知研究产生的认知心理学，围绕行为研究产生的行为设计学，这大体构成“设计认知行为心理学”的核心。如何理解认知心理学和行为设计学？就是今天要大家探讨的话题。一、认知心理学与行为设计学认知心理学的核心指研究人的认知过程，如注意、知觉、表象、记忆、思维和言语等，认知心理学家研究那些不能观察的内部机制和过程，如记忆的加工、存储、提取和记忆力的改变等。行为设计学的核心部分是“福格模型”，它定义一个行为得以发生：行为者首先需要有进行此行为的动机，以及操作此行为的能力，以及在被提醒（引导）下触发进行。如何提高设计转化？先学会经典的「福格模型」日常工作中我们经常要考虑如何吸引用户转化。阅读文章 > 围绕“设计心理学”和“行为设计学”所展开的设计模型，关于对心理学和设计等相关原则纷繁众多，如何将这些设计原则系统性的理解和使用、厘清设计模型之间的关系，是我们理解设计原则且吸收的关键。二、认知心理学1. 人脑的潜意识和有意识我们来看一个小品的对话内容，以“马爸爸和宋小宝”的小品台词……马：什么样的老鼠，是两条腿走路？宝：……袋鼠！马：错，是米老鼠！宝：…… 我没准备好马：那我再来问一个马：什么样的鸭子，是两条腿走路？宝：照这么说是……唐老鸭！马：错，所有的鸭子都是两条腿走路！宝哥，已经是大无语了以上的对话有什么共鸣？为何会经常性出现类似的场景……因为在我们日常中许多行为都是人的潜意识的反应。也就是说，行为发生时人们是无意识的，通常已经做了，我们才知道自己要做的事、要说的话，或要思考的东西。为什么会有这种现象的发生呢？实际上我们的大脑有两个非常不同的反应和处理模块，我们称为两个大脑：潜意识和有意识，它们并不总是在互相沟通。潜意识是无意识，它的反应是迅速的、自发的、感性的，也可以称为快思考。有意识的反应是缓慢的、受控的、理性的，也可以称为慢思考。2. 人脑思考的双系统理论3. 无意识和有意识，对应人脑思考的“双系统理论”。在 2000 年左右著名心理学家斯坦诺维奇首先提出了“双系统理论”， 这启发了认知心理学家丹尼尔·卡尼曼，后者因为决策理论的研究获得了 2002 年诺贝尔经济学奖。卡尼曼在《思考，快与慢》一书中表示，他认为人的大脑活动存在两种模式，他称之为系统 1 和系统 2。系统 1 是快思考，代表人类的本能和习惯，可以快速且自动启动，耗费资源很少，经常为习惯、经验、刻板印象等认知偏见所支配。系统 2 是慢思考，代表人类的逻辑和理性，其启动是被动、缓慢、 耗费资源的，存在意识控制。人的大脑进化不是为了求知，而是为了生存和传承。人脑遵循能量最小消耗原则，能不动脑就不动脑，默认使用系统 1 思考，即快思考（潜意思）。在设计认知心理学的范畴，对应人脑思考的系统 1 和系统 2 的理论是“认知和情感的三个层次”理论，三个层次分别是：本能的、行为的、反思的。4. 认知和情感的三个层次本能层：这是人类情感系统最基本的保护机制的一部分，能够对环境做出快速的判断；好或坏，安全或危险。行为层：对设计来说，行为层次最重要的，是让每一个行动都与一个期望想关联。反思层：是认知的、有深度的、缓慢的。最高层次的情感来自反思层次。当我们将“双系统理论”模型和“认知和情感的三个层次”结合来看会发现一个很有意思的现象。系统 1 的快思考，对应本能层和行为层，可以快速且自动启动，耗费资源很少，经常为习惯、经验、刻板印象等认知偏 见所支配。（上述的小品对话即如此）系统 2 是慢思考，代表人类的逻辑和理性、对应反思层和（5%的意识行为），其启动是被动、缓慢、 耗费资源的，存在意识控制。行为科学研究得出结论，一个人一天的行为中大约有 5%是非习惯性的， 而其他 95%的行为都源自习惯。这基本上意味着是“习惯而不是逻辑”决定了我们的一生。我们以为自己是理性的，我们以为自己的一举一动都是讲逻辑、 有道理的。但事实上，我们的多数日常行为，都是一些我们自己根本无法了 解的隐蔽动机导致的结果。所谓理性，是指当条件合适时（理性并非总是优于本能和习惯），优先用逻辑、知识和思维去做出决策和预期收益最大化的 行为，而不是任由本能和习惯驱使。本能和习惯会塑造人的偏好，偏好会影响人理性认知。三、行为设计学之福格行为模型在展开行为设计学前，先了解行为设计学核心的一个理论模型——福格行为模型。福格行为模型是指：行为的发生，需要动机、能力和提示 3 大要素同时发挥作用。当动机（motivation）、能力（ability）和提示（prompt）同时出现的时候，行为（behavior）就会发生。动机是欲望或需求，能力是认知和执行能力，而提示是提醒或信号，缺一不可。简而言之，该模型说明：要使目标行为发生，一个人必须有足够的动机、足够的能力和有效的触发器。动机从概念上讲，动机设计的目标是将用户移动到福格模型区域中的更高位置。换句话说，能力高但动机低的用户需要提高动机，才能到达行为激活阈值。动机的三个层次：痛苦与快乐，希望和恐惧，社会接受和拒绝。能力在现实世界的设计中，提高能力并不是教人们做新事物或培训他们进行改进如此简单。人们通常抵制教学和培训，因为它需要努力。这与人的自然联系相冲突：我们从根本上是懒惰的。所以，需要人们学习新事物的产品通常会失败；相反为了提高用户的能力，有说服力的体验设计者必须让行为更容易做到。换句话说，有说服力的设计在很大程度上依赖于简单的力量和习惯，可以进行简单理解和简单操作的产品更易于行动的达成。触发器触发器的一般概念有很多名称：提示、提醒、行动信号等。体验设计中常见的触发器包括：激励提示引导提示信号反馈等1. 行为发生的七个阶段人和外部环境（产品或系统）之间交互时的心理活动。所谓的行动 7 个阶段，是指我们在做一件事情的过程被划分为 7 个阶段。做一件事情涉及到四个问题：目标、外部世界、作用于外部世界的动作、作用于外部世界的动作的反馈。关于这个过程的一个例子：你在看书，天色暗了下来，你想让光线亮起来继续看书。想让光线亮起来继续看书，就是你的目标。怎么样可以达到目标，开灯。于是你站起来，走到灯跟前，打开开关。这一系列的行动就是作用于外部世界的动作。灯开了，光线变亮了，你可以继续看书了。光线变亮了，就是作用于外部世界的动作的反馈。从目标到外部世界之间过程，可以细分为 3 个阶段。即：行动意图、动作顺序、执行动作。我们把这 3 个阶段概括为“执行”。其中行动意图、动作顺序属于心理活动，执行动作属于外部活动。同样，从外部世界到目标之间的过程，也可以细分为 3 个阶段。即：感知状况、解释状况、评估解释。我们把这 3 个阶段概括为“反馈”。其中感知状况属于外部活动，解释状况、评估解释属于心理活动。所以整个过程可以分为 7 个阶段：目标行动意图动作顺序执行动作感知状况解释状况评估解释。在每个环节之间都会存在鸿沟，解决鸿沟，就是设计的任务。无论我们设计什么产品，都可以把解决这个过程间的鸿沟作为设计思考的内容；因为每个产品都是用来满足人的目的，人通过与产品交互来满足动机背后的目的。把“行动七个阶段”和“人脑认知和情感的三个层次“模型结合本能的反应存在于最底层：控制简单的肌肉群，感知外在的世界和身体。行为层次与期望有关：对行动次序的意图敏感，然后才是对反馈的阐释。反思层设定目标和计划行动的部分：受到对实际发生的结果与期望比较的影响。2. 心流状态理论心理学家米哈里·契克森米哈赖定义心流为一种将个体注意力完全投注在某活动上的感觉；心流产生时同时会有高度的兴奋及充实感。正向情绪为主，正负性波动；紧张感积累，完成挑战的成就感。“心流”状态发生在行动的挑战稍稍超过我们的技能水平。一个简单的远低于我们技能水平的任务，很容易满足期望，没有挑战。一个艰难的远超出我们能力的任务，会引来许多失败的预期，导致沮丧、焦虑和无助。这两种情况都无法达到心流状态。米哈里·契克森米哈赖提出使心流发生的活动有以下特征：我们倾向去从事的活动。我们会专注一致的活动。有清楚目标的活动。有及时回馈的活动。我们对这项活动有主控感。在从事活动时我们的忧虑感消失。主观的时间感改变——例如可以从事很长的时间而不感觉时间的消逝。我们对于所从事的活动是力所能及的，且具有一定挑战的，我们可以通过不断地练习来提升能力超越更高的难关。当福格模型和心流理论结合来看心流通道是在福格模型的“触发成功区域”内，即完成一个任务的时，动机适中、能力适中，触发任务的区域以及任务的完成过程会产生心流的通道状态；构建这种状态（体验设计方案），是设计师在设计产品功能和体验时应该去思考的。本篇小结从“认知心理学”到“行为设计学”的大体介绍，我们可以初步窥探“设计认知行为心理学”的基本框架和内涵。底层的原则和模型可以帮助我们回归产品设计过程中，洞察用户的人性、理解需求的本质，最终以人为本进行设计。本文内容篇幅有限，未完全涵盖当前的关于认知心理学和行为设计学全部模型框架，作为“设计认知行为心理学”框架的提出及启发，未来将持续研究完善。推荐阅读书籍：《设计心理学 1.2.3 册》—— 唐纳德·A·诺曼；《设计行为学》—— 奇普·希思/丹·希思；《福格行为模型》—— B.J. 福格；《思考,快与慢》—— 丹尼尔·卡尼曼；《俞军产品方法论》—— 俞军等若有收获，点赞、关注、评论！本篇来源：优设网原文地址：https://www.uisdc.com/design-psychology
图像 提示 模型 大家好，这里是和你们聊设计的花生~之前为大家推荐了一款上手非常容易的 AI 图像生成工具 Dream Studio，它操作界面简单易懂，非常适合刚接触 AI 图像生成工具的新手。最近又出现了一个新的同类型的 AI 图像生成神器 Dreamlike.art，操作界面同样好用且图像质量极高，即使是小白也能轻松生成精美的图像，效果可以跟上 Midjourney 的 V4 模型了。最最重要的是目前可以免费，使用一起来看看吧~Dream Studio 介绍：免费开放！人人都能轻松上手的AI绘画工具DreamStudio大家好，我是和你们聊设计的花生~之前为大家介绍了初代 AI 图像生成器 Disco Difussion、Dall·E 2、Midjounery，国产 AI 图像生成器 Tiamat，以及 4 款由谷歌、微软等大厂推出的 AI 图像生成器 Imagen、Parti、Make-A-Sce阅读文章 > Dreamlike.art官网直达： https://dreamlike.art/create （使用梯子速度更快，需注册账号）模型地址： https://huggingface.co/dreamlike-art/dreamlike-diffusion-1.0使用指南： https://dreamlike.art/guidesDreamlike.art 的功能包括根据文本生成图像、根据图像生成新图像和图像变体，以及通过放大和面部优化来增强图像内容。我用 Dreamlike.art 生的人物图像，质量相当不错用户@ScourgeHH 用照片生成的图像，图片来源：官方 Discord 社区除了输入文本提示，Dreamlike.art 的操作界面上有很多可以调节的参数，比如：负面提示：输入后图像可以不包含有关负面提示词内容；指导量表：控制生成图像与文本提示的紧密程度，值越高图像与提示的贴合度越高；注意力控制：在提示中使用 （） 会增加 AI 模型对括号内单词/短语的注意力，而 [] 会减少注意力，注意力的增加意味着该单词/短语将更多地影响生成的图像。步骤：控制图像迭代次数， 步骤越多结果就越好，但在大多数情况下 30 步足够了。有了这些可调节的参数，我们就能对画面进行细微的调整并准确控制生成效果。即使对这些概念都不太熟悉也不用担心，官方在指南里对每一个参数的概念和调节方法都做了详细的介绍，甚至还写了一篇文章教我们如何利用最近爆火的 AI 聊天机器人 ChatGPT 生成优质的文本提示，想深入了解 AI 提示词写作技巧的小伙伴可以详细阅读官方指南，当然直接使用系统默认的参数设置也能得到不错的效果。地表最强AI聊天机器人ChatGPT诞生！会给设计师带来哪些影响？大家好，这里是和你们聊设计的花生~前几天刚和大家聊过 AI 绘画工具 Midjourney 的 V4 模型，感叹它图像生成质量之高。阅读文章 > Dreamlike.art 的另一个神奇之处是它有很 5 个不同的风格模型：Dreamlike Diffusion、Dreamlike Photoreal、Stable Diffusion 1.5、Anime Diffusion (Eimis)和 Openjourney Diffusion。其中 Photoreal 可以生成如照片般真实的图像，Anime Diffusion 是二次元画风模型，大家在使用的时候可以多做尝试，找到符合自己需求的模型。Dreamlike.art 内置的的 5 个模型Dreamlike.art 的图像生成速度很快，10 秒左右就能生成 5 张高质量图像。将鼠标悬浮在图像之上可以进行进一步的操作，比如下载、收藏、生成变体、画面升级加强等。Dreamlike.art 官网上说其功能永久免费，但是这个免费并非是无限制的。每个新用户的账户上会有 100 学分，用于免费生成图像。如果余额低于 100 积分且用户在过去 48 小时内在线，官方会每小时在余额中添加 1 个积分。如果有用户在访问你的个人资料或帖子后创建了帐户，你的账户也可以获得 100 个积分。此外参加官方日常举办的日常挑战也可以获得积分奖励，最佳作者可以获得 3000 积分。官方活动举办社区： https://discord.com/invite/QyGR2FxsKU （需搭梯子）官方 discord 社区内的每日主题挑战界面很多想使用 AI 绘画工具的小伙伴刻可能都感觉写英文提示词是比较困难的事情，这里给大家推荐 2 个超好用的提示词网站 PromptHero 和 urania.ai，搭配翻译软件使用可以慢慢掌握如何写出好的文本提示词。PromptHero 里收录了海量 AI 生成的图像及其文本提示词，并分为建筑、3D、二次元、照片风等多个门类，大家可以在其中翻找符合自己要求的图像，复制其提示词并做一些修改，就能得到相似的结果，给你一秒变大神的惊喜感。urania.ai 则收录了多位知名艺术家的风格在 AI 图像生成模型中的效果图，在提示词中加入该艺术家的名字就能形成对应的效果。PromptHero 官网： https://prompthero.com/ ( 使用梯子速度更快)urania.ai： https://www.urania.ai/top-sd-artists (使用梯子速度更快)以上就是今天为大家推荐的 AI 绘画神器 Dreamlike.art，非常适合想了解 AI 绘画工具的小伙伴。喜欢本期推荐的话记得点赞收藏，也可以转发给身边有需要朋友 。如果你有关于本文或者设计的疑问，可以在评论区提出，我会第一时间为大家解答 ~Dreamlike.art 官网直达： https://dreamlike.art/create （使用梯子速度更快，需注册账号）模型地址： https://huggingface.co/dreamlike-art/dreamlike-diffusion-1.0使用指南： https://dreamlike.art/guidesPromptHero 官网： https://prompthero.com/ (使用梯子速度更快)urania.ai： https://www.urania.ai/top-sd-artists (使用梯子速度更快)推荐阅读：字节、腾讯也玩起AI绘画了，效果还非常不错！大家好，这里是和你们聊设计的花生。阅读文章 > 手残党也能成为艺术家！4个热门AI绘画平台的创作经验总结AI画画，无疑是当下最火热的话题之一。阅读文章 > 本篇来源：优设网原文地址：https://www.uisdc.com/dreamlike-art
模型 信息 工具 大家好，这里是和你们聊设计的花生~前几天刚和大家聊过 AI 绘画工具 Midjourney 的 V4 模型，感叹它图像生成质量之高。但 V4 模型带给我的冲击还没有完全消散，一款功能更为强大用途更为广泛的 AI 工具又横空出世了，并在国内外互联网上引起广泛关注和热烈讨论，互联网大佬、编程大神及艺术家都对其功能之强大表示惊叹，而且玩得根本停不下来。它就是由 OpenAI 公司开发、号称地表最强 AI 工具的 ChatGPT。字节、腾讯也玩起AI绘画了，效果还非常不错！大家好，这里是和你们聊设计的花生。阅读文章 > ChatGPT 官方网： https://openai.com/blog/chatgpt/ （目前免费开放测试，需搭梯子使用）提起 OpenAI 我们并不会陌生，之前为大家推荐过得 AI 图像生成模型 Dalle·2 就是这家公司研发的，而 ChatGPT 是 OpenAI 研发的一款 GPT 语言模型，我们可以将它简单理解为一款 AI 对话机器人。ChatGPT 通过模拟人类对话的方式与用户进行互动，用文字回答用户提出的问题。自 12 月初发布后，国内外网友已经挖掘出 ChatGPT 的无数种神奇用法，它带给我们惊喜也是超出想象的。ChatGPT 可以成节日活动营销方案：回答你关于生活、学习和工作的问题：或者用英语帮你写一封用语正确、言辞恳请的商务邮件，让你再也不用担心语法错误，也省去了亲自书写的麻烦:甚至可以帮你讲价，砍价能力比人更厉害：下图是网友@莱森 用 ChatGPT 生成的一首诗，主题是“用诗一样的语言为一位盲人描述黄色”，配图是他用 AI 图像工具 Midjourney 生成。AI 写诗 AI 配图，人工智能技术是真的强大。图片内容来源：https://weibo.com/u/5498125999还有网友发现可以让 ChatGPT 帮忙写代码，或者检查现有代码的错误漏洞。ChatGPT 可以在很短的时间内就写好代码或指出其中有哪些漏洞并帮助纠正，这让很多程序员都欣喜不已。也有网友想到用 ChatGPT 来应对马斯克之前对推特工程师提出的“没有新的代码更新出来你就会被解雇”的要求——直接让ChatGPT生成的代码不就行了？而马斯克自己就是OpenAI的前联合创始人之一，这么一看真有些“以子之矛攻子之盾”的意味了。上面所举的这些例子都只是 ChatGPT 功能的冰山一角，但我们已经可以从中看出 ChatGPT 具有非常强大的信息搜集、整理、罗列和生成能力，可以极大提升我们的信息搜集的速度和效率，同时也可以节省我们很多写作精力和成本，让信息获取速度与输出效率都成倍的增长。而与 ChatGPT 进行对话也是与 Siri 或小爱同学完全不同的体验，我们不会有“这是一个机器人”的感觉。ChatGPT 的语言组织能力极强，逻辑清晰叙述流畅；可以根据前面的内容理解你提出的问题，分得清语句中的多个不同主体对象；还会拉扯“抬杠”，被指出错误也能及时承认并改正，仿佛真的是一位学识渊博的人在和你对谈。当然 ChatGPT 目前也有一定的局限。据官方介绍，ChatGPT 没有联网，不能反映实时讯息或所有互联网知识，对 2021 年后的世界和发生的事件了解有限。但这样不禁会让人联想联网后的 ChatGPT 功能或多么强大和可怕。另外就是 ChatGPT 偶尔也会生成一些不正确的信息。有国外网友分享了一段自己与 ChatGPT 就“什么是速度最快的海洋哺乳动物”这一问题进行的对话，ChatGPT 在这个问题上犯了了一些常识性的错误，并在逻辑上也有漏洞；但是认错态度良好，很快就纠正了自己的回答。双方的拉扯过程非常有意思，我简单翻译了一下图片，大家感受一下。官方也承认 ChatGPT 会用“看起来合理但其实错误或无意义的答案”来回应它可能并不真正理解的问题，也就是“一本正经的胡说八道”，而且它自己也并不能认识到这些错误。OpenAI 认为目前这个问题还很难解决。这也意味着对于 ChatGPT 提供的信息或答案我们并不能完全相信，仍然要经过主动的溯源求证。大家都熟悉的常识性知识我们可能很容易就能看出其中的错误和漏洞，但如果是比较冷门或专业程度比较高的信息呢？如果不进一步追溯来源或询问专家的看法，很容易被会被它误导或迷惑。此外 ChatGPT 和 AI 图像生成模型一样，也被限制回答与暴力、色情及可能会危害社会安全的问题，以避免该工具会被人用来伤害他人或造成不良影响。有网友试图要求 ChatGPT 编写病毒代码，但是被多次拒绝；一些思想过于消极极端的问题也会被纠正。虽然如果，对设计师来说，ChatGPT 这类 AI 工具的出现肯定好事，目前的功能也足以帮助我们解决很多工作和生活中的疑问。首先就是它强大的信息搜集检索能力，可以有效提升我们获取有效信息的速度和效率，犹如一个贴心到位的个人助理，有问必答。甚至帮你写工作日报、年终总结或者出一篇设计相关的科普文章都是非常轻松的事情。如果是使用 Google 或者百度这样的搜索引擎， 我们可能还需要自己收集信息、梳理整合内容、然后再写作输出，而使用 ChatGPT，不仅可以直接收获最精准的信息，且得到文本内容不用怎么修改整理就能直接拿着用，这样的处理方式及速度在 ChatGPT 出现之前是我们都不曾想过的。ChatGPT 还可以帮助我们在国外的媒体平台如 Twitter、YouTube 或 Discord 上轻松发布内容并与他人交流沟通，拓宽我们的信息获取面——将你想表达的意思简单描述给ChatGPT并要求它翻译成对应的语言就可以了，不论是英语、日语还是西班牙语都行，而且几乎看不出机翻的痕迹。此外国外有艺术家利用 ChatGPT 强大的语言能力，帮助自己生成描述文本，然后放进 AI 图像生成模型中使用，生成效果也相当不错。如果有小伙伴也在玩 AI 图像生成工具但对英文描述文本不怎么熟悉，这也是一个不错解决方法。ChatGPT 推出后，埃隆·马斯克发推文表示它“强大到令人害怕”，还有人表示这种 AI 工具可能会颠覆 Google 搜索的运行模式。就目前 ChatGPT 表现出的功能来说，它将来在科技、数字营销、教育等领域大有可为，一些初级的文案、编程、客服等工作也可能会因此收到冲击。而且 ChatGPT 还只是基于 GPT-3 模型的衍生产品，OpenAI 已经研发出 GPT-4 模型并将在未来推出，想必其功能也将更强大惊人。目前 ChatGPT 正在免费开放测试，强烈推荐大家都去体验一下，毕竟积极了解会影响我们未来生活的新事物总是没有错的。对了在写稿的时候看到一条非常有意思的微博，分享给大家。你能看出来这篇推文是人写的还是 ChatGPT 生成的吗？欢迎大家在评论区分享自己的看法。图片内容来源：https://weibo.com/7402396589/MinQd504h以上就是今天和大家分享的有关最新 AI 语言模型 ChatGPT 的内容。喜欢本期推荐的话记得点赞收藏，也可以转发给身边有需要朋友 。如果你有关于本文或者设计的疑问，可以在评论区提出，我会第一时间为大家解答 ~ChatGPT 官方： https://openai.com/blog/chatgpt/ （目前免费开放测试，需搭梯子使用）推荐阅读：字节、腾讯也玩起AI绘画了，效果还非常不错！大家好，这里是和你们聊设计的花生。阅读文章 > 10秒出图，以假乱真！设计师「用嘴修图」的愿望要成真了？大家好，我是和你们聊设计的花生~之前给大家推荐了 AI 图画生成器 Disco Difussion，它可以根据文本提示自动生成恢弘奇幻的艺术，非常适合作为艺术创作的灵感来源。阅读文章 > 本篇来源：优设网原文地址：https://www.uisdc.com/chatgpt
方案 面试官 模型 信心满满面试，结果却不尽如人意？和面试官聊的很开心，可最终没有被录用？想知道面试官心中对“优秀”的定义，却奈何没有渠道？不装了！今天就告诉你们，面试官眼中的优秀设计师什么样！为此，我们采访了工作 7 年资深设计师、3 位数面试场次、大小厂候选人阅人无数的面试官，倾情总结了如下心里话，希望能对面试官心中的“优秀”进行描摹。也让我们了解一下，那些你觉很好但其实是坑的表现本质。面试官眼里的优秀，是什么？免责声明：不同公司的能力模型不尽相同，以下内容不能覆盖全局或者被所有人认同，本文不具有任何参考意义。面试官：“招聘要求嘛，肯定希望候选人完美。但今天透露一些真心话，多的不要求，只要你能达成以下 3 点，绝对跪下求你入职！”（微笑.jpg）一、核心竞争力：“会思考”据面试官透露，“会思考”不仅是面试环节鉴别设计师能否通过面试的黄金标准，也代表了该位设计师的成长潜力。在全栈设计师大势所趋的背景下，更要求设计师对产品和体验有足够的认知，能判断设计方案能否达成目标。1. 假装的思考① 忽略方案产出的过程：不管是日常工作还是晋级答辩，推理方案是如何产出的、以及推断方案的可能效果，应该是整个工作中的核心。尤其在作品中，提出问题马上接方案，更像是“照着产品的方案画一遍”，那设计师作为体验的把控人便没有发挥作用，久而久之不仅损害了产品功能体验，本身的岗位价值也会受到质疑。面试官 OS：怎么来的？依据是啥？为什么是 A 不是 B？不会是产品原型的精加工版吧？② 模型和调研结果与方案无逻辑关联：很多同学认为只要在推理中加入模型就万事大吉，于是经常出现模型调研堆砌，但模型结论和方案毫无关联的情况。模型也好、调研方法也罢，都是前人帮我们总结的、可以解决某类问题的思路，所以用之前要明确这个模型能否帮助我们产出方案，而不是方案产出之后再去拉个模型来装作“有思考”。面试官 OS：甚至某些同学的作品里，小小一个体验功能迭代都要放上 SWOT 分析，不知道的以为是上市公司竞调…2. 真正的思考了解产品背景和功能现状，有清晰的解决问题思路；有的放矢的利用调研和模型工具，能把分析应用在后续设计方案中；能与别人深入讨论思路或方案的可能性。3. 面试官真心话“哪怕堆砌再多的调研和模型，是不是真的思考，聊一下就会暴露。即便平日工作中需求紧急，还是建议花点时间复盘思考，一旦开始思考，思考的成本就会越来越小，但进步会越来越快。”更多设计模型：设计高手都在用的双钻模型和5E体验模型，看完这篇立刻学会！编者按：设计模型中最常见的2个：双钻模型和5E体验模型，看完这篇帮你掌握！阅读文章 > 二、脱颖而出：“会验证”本质是“会思考”的延伸。在方案完成后，知道除了最终的产品或运营目标数据外，能通过设计方案设计埋点和计算方案，获取到能印证设计效果的数据。1. 假装的验证① 看最终数据，不看过程数据：除简单的功能设计外，比较复杂的功能、大型活动都建议对过程数据进行追踪。因为过程数据距离设计表现更近，通过对过程数据的分析，也可以发现设计、策略等的问题或优秀经验。所以有经验的设计师，不仅会看目标数据的表现，也会自觉去发现哪里还有可提升的点、或是因为哪些设计、策略达成了目标数据。② 无法从数据分析出设计观点：可以通过 AB 测选出方案，但仅限于选出方案，没有得出可迁移性的结论，比如类似的场景和用户，可以注重哪些方向的设计，或用那种设计策略效果更好。虽然设计多种方案进行测试可以精准解决问题，但实际工作中并没有那么多时间或资源都进行 AB 测，此时能通过思考获得可迁移性的结论，就会大大提升之后的工作效率。面试官 OS：多出方案一个个测试但得不出可迁移性的结论，和“用战术的勤劳难以弥补战略的失误”道理是一样的，也是一种偷懒。2. 真正的验证可以依据设计方案，拆分出与方案相关的数据，通过过程数据了解到设计效果和迭代方向。不会做设计方向的数据分析？推荐看看下文：凭什么说设计方案有用？先掌握基础的数据分析思路！“凭什么说你的方案有效果？阅读文章 > 3. 面试官真心话“说实话，很多高阶设计师都达不到，主要是大家习惯了依靠产品或运营做分析了，希望大家可以尝试从设计角度做数据分析，这也能积累推断方案数据效果的经验。”三、决定上限：“会沟通”虽然放在第三点，但是很重要！很重要！很重要！是个又基础，但上限极高的能力，不同的职场位置要求也不一，初阶也许只要求能讲清楚思路和方案，中阶能推动设计发起的项目落地，后期能带领团队发挥更大的效能。1. 假装的沟通① “天王老子来了，也是我对！”：（大佬和老板们可以忽略这条）不能说坚持自己的想法不对，但坚持需要方法。如果不管对方什么需求、处于什么阶段，只从自身角度去推动方案落地，时间长了也距离失业不远了。更有设计师嘴上好好好，手上依然该怎样怎样，不知道的以为设计师买下了甲方公司。面试官 OS：那种特别坚持自己的方案、又说不出所以然的应聘者，不知道的还以为甲方派来考验我的。② 词不达意，讲话没重点逻辑，啰嗦：（用作品就能让人拜倒的大佬可以忽略！）非常致命，非常致命，非常致命！相信我，差的表达会毁掉一个优秀方案的。面试官 OS：遇到讲不清楚的，直接就想挂掉算了。每听 20 分钟或言之无物、或逻辑混乱的方案介绍，就需要 20 分钟的大悲咒来治愈。2. 真正的沟通① 倾听需求，融合体验和商业目标提供可行的方案选择。② 做有效果的“坚持”：如果甲方真的很想尝试你不看好的方案，在讲清楚你认为的利弊后，就可以等上线结果了。结果好，你刷新了认知；结果不好，甲方可能会想起你的“忠告”，转头来信任你。③ 开放心态，吸收观点：设计本质还是融合性的学科或岗位，欢迎讨论和迭代，不仅能获得好的创意，也能赢得好的声誉。④ 语言准确有效，如果能生动有趣就更好了。当然，“说服”的方式不止一种嘛~欢迎留言分享，也可以看看这篇：4个沟通技巧，让最难搞的合作方关系好到请我吃饭！在经历了与合作方「愤怒嘲讽爆发转变面对和解」这6个阶段后，我提炼了4个对我帮助很大的职场沟通技巧。阅读文章 > 3. 面试官真心话“说句扎心的，沟通能力并不会自然的随专业年限增长。排除坑位有限的情况，职位和年限不匹配更可能发生在沟通能力较弱的设计师身上。”四、给读到最后的你其实以上这些看起来都很基础，但从实际工作或面试来看，能都做到优秀的同学极少。或许是淹没在需求中无法抽身反思，或许是发现问题但无法提升，希望今天的分享能为你带来一点点收获。反过来说，面试有一定技巧，但这背后支撑你表现的核心竞争力还是来自于长期对于自己的经营，例如复盘-思考-沉淀-沟通-主动推进-长期主义的刻意练习，这些不是上一两个培训班，找一两个领路人短期就可以解决的，不可否认这些在关键时刻助推你开窍的价值，但千万别忽视了日常自我的项目积累。设计师的能力越来越是个综合体，“愿天下有志者皆得归属”呀～面试官这里还有一些肺腑之言：“也许有怎样一份工作是缘分所致，但能拥有怎样的能力确可以自我把握。希望正在面试的你、工作疲惫的你，都能得偿所愿，在工作中收获更好的自己~顺便，其实还有一些实操型的技巧真的不好写出来啊，不如来 58 面个试吧~嘻嘻”欢迎关注「58UXD」的微信公众号：本篇来源：优设网原文地址：https://www.uisdc.com/3-interview-skills
模型 方法论 意愿 设计师如何提高转化率？本文通过超多的增长设计实验，结合一个投入过亿的项目，总结了一个万能好用的DE公式，帮你快速提高设计转化。更多提高转化的方法：转化率翻5倍！资深设计师需要学会的「分层设计」今天为大家带来一个关于到家精选服务下单转化的项目总结。阅读文章 > 阿吉站在讲台上，开心的像个孩子。三年前，正是凭借这个公式，他收获了年度优秀项目、年度优秀员工，高绩效、升职、加薪，一切顺理成章。如今，作为团队leader，他希望这一方法论能继续传承下去，帮助到更多的小伙伴。一、基础概念及示例Convert 转化：用户完成业务期望的操作/任务；Desire 意愿：操作/任务意愿，包含需要、欲望、动机；Efficient 效率：操作/任务效率，用户完成的一个任务所需要的操作步骤；如完成购买所需步骤、get到核心信息的时间；举一个小例子。下图是智能高考志愿的需求原型。我们用DE模型分析下有什么问题。针对意愿问题，正向意愿继续放大和增强，负向意愿的问题要避免或削弱；针对效率问题，信息的获取效率要提；而看到预测的结果的效率也要提高；可以从原有的10步流程：选标签（科目1）选标签（科目2）选标签（科目3）激活输入（总分）输入确认输入激活输入（语数英分数）输入确认输入“一键分析能上大学”按钮看到分析的结果[end]优化为3步：激活输入->输入总分->确认预测->看到分析的结果[end]->完善各科分数->查看更精准的分析结果根据以上策略输出交互原型，对比感受下。我们找用户对上图两个原型做了简单问卷投票，结果也是优化后的完胜。二、DE模型如何推演而来有别于上期分享的GSSM模型，DE模型并不是直接从理论而来，是从多次的实验结论总结抽象得出，过程比较复杂，这里就不过多赘述了，作为一个了解项分享给大家。如何清晰量化设计价值？试试这个超实用的GSSM模型！编者按：本文通过实战案例，帮你掌握一个能量化设计价值的GSSM模型。阅读文章 > 最初，我们疯狂做了超多的增长实验（因数据保密模糊处理）：把收集到的有效策略分类和归纳：期间学习了不少理论书籍和论文：通过理论启发，把所有策略抽象为两类：最终，得到了DE模型：转化 = 意愿 效率综上，DE模型只是策略的高度概括，实际工作中，不能单看模型本身，还是要结合具体的策略来用，加入策略的DE模型才是完全体（如下图）。有了完全体的模型，接下来咱们聊聊是如何实现5倍提升的。三、如何实现5倍提升1. 业务背景利用精品低价课，通过外部渠道（微信朋友圈、抖音、今日头条、快手等）拉新。项目为期4个月，投入过亿。详细见下图：OK，开始优化。1）用DE分析问题，尝试对应策略；2）方案及数据结论具体数据非常敏感，用字母不影响提升率计算；以下数据均在严格A/B测下得出；真实实验并非按页面顺序进行；我们把整体链路拆成3部分来讲。① 数学详情页->选完时间详情页意愿+效率优化选择时间效率优化该部分优化后转化率：a% -> 1.57a%②③④⑤登录->支付完成支付完成后再填写地址小程序一键登录订单页体现价值+弹层化该部分优化后转化率：b% -> 2.34b%⑤⑥⑦⑧⑨⑩ 整体导流英语流程订单页体现价值+弹层化该部分优化后转化率：c% -> 1.37c%最终整体链路的转化率：abc% -> 5.03abc%，5倍达成！四、为什么不是福格模型在分享过程中，很多人都会提到福格模型。福格模型这么火，而且有知名学者背书，为什么不直接使用用呐？实际上，在构建完DE模型半年后，福格模型开始火遍设计圈，我也是从同事分享中学到，并且意外的发现，和DE模型有着异曲同工之妙。无非是最终呈现的维度不同（如下图）不使用福格模型有几个原因：设计师那该死的清高。不多说，设计师应该都懂；福格模型最初是用于学习教育领域，DE模型是以消费心理学、消费行为学为基础，更贴近互联网业务；实际工作中不好用、门槛高。我也曾尝试像团队推广福格模型，但在分享过程中，单动机、能力、提示这三个词，就有很多版本的解释。更不要说再把理论转译为设计策略。这也是坚持使用DE最主要的原因。以上观点并无踩一捧一，是基于自己身边圈子得出的结论，仅供参考。如果你觉得福格模型顺手，也恭喜你找到了适合自己的。如何提高设计转化？先学会经典的「福格模型」日常工作中我们经常要考虑如何吸引用户转化。阅读文章 > 最后我想说，无论DE模型还是福格模型，都是对“人如何思考和行动”的高度概括，对“人”的洞察才是方法论的底层逻辑，在追求设计捷径的过程中，切不可被方法论表象迷惑，揭开表层，触达“人心”，你也能创造属于自己的方法论。欢迎关注作者公众号：本篇来源：优设网原文地址：https://www.uisdc.com/de-model
滤镜 模型 图像 大家好，这里是和你们聊设计的花生。最近看到很多与 AI 绘画有关的新闻，非常有意思，今天我们就一起看看最近 AI 绘画有哪些新的发展吧~最近比较明显的感受是 AI 绘画越来越贴近我们每个人的生活，而最直接的表现就是最近在网络上火起来的抖音“AI 绘画”滤镜。将自己的照片上传后只需几秒钟的时间，滤镜就能将其自动转换为对应的二次元动漫风。抖音的“AI 绘画”滤镜生成的效果图上面是我自己上传图片后生成的一些效果图，可以看出虽然这个 AI 绘画滤镜并不能将人物的动作、服饰或者面部特征精准还原，但整体效果还是挺不错的——人体比例、五官以及服装造型的细节还是非常准确的，色彩唯美，光影的刻画也非常到位。但是仔细观察还是会发现一些问题，比较明显的一点就是不能准确呈现手的形态，这也是目前大部分 AI 绘画模型都存在的一个显著缺陷。于是我又多上传了几张不同类型的人物照片，发现这个 AI 绘画滤镜在处理单人照片时效果是最好，如果上传的图片里有多个人物重叠或紧密贴合，AI 似乎并不能准确识别；而对于猫、眼镜或者人物手持的小道具，这个 AI 滤镜则会直接选择“忽视”；甚至还会出现性别错误、画风崩坏等问题。抖音的“AI 绘画”滤镜生成的效果图但这些问题并没有引起不满，反而有很多用户将自己的原图和牛头不对马嘴的效果图分享出来，引来网友的广泛围观转发，因 AI 程序缺陷导致的反差令人忍俊不禁，大家纷纷表示这不该叫“人工智能绘画”而该叫“人工智障绘画”。也许是看重“AI 绘画”带有的娱乐性和话题性，QQ 也推出了一个人工智能绘画小程序“AI 画匠”，也是将人像照片上传后就能自动生成对应的二次元动漫风插画。我用相同的图片试了一下，发现与抖音的“AI 绘画”滤镜相比，“AI 画匠”的生成时间虽然稍微久一些，但是生成的效果更为惊艳——人物更偏写实，色彩更加绚丽，画面也更加精致。对于猫这样的非人对象也可以识别并转换，就是爪子部分的细节有些失真。QQ 人工智能绘画小程序“AI 画匠”效果图当然了“AI 画匠”也存在一些与“AI 绘画”滤镜相似的问题，但我觉得也不必细究。毕竟程序原本设定的处理目标就是单人自拍照，对于多人照片以及非人对象的处理效果自然没有那么好。大家如果想得到好的转换效果，就上传标准的单人照片，并且尽量不要有猫、狗等非人对象入境，最好把手隐藏起来；如果是纯粹图一乐，就想看看能有多离谱的效果，那就随意啦。QQ 人工智能绘画小程序“AI 画匠”效果图除了越来越接近人们的工作和生活外,我们熟悉的一些 AI 绘画工具在性能上也有了很大的进步和提升。了解有关文本-图像 AI 模型的信息：人工智能快速出图！盘点 4 款人气超高的 AI 绘画神器大家好，我是和你们聊设计的花生~有关注 AI 绘画领域的小伙伴可能注意到，国内已经出现了能直接使用中文提示词生成 AI 图像的工具了，这就进一步降低了我们进入 AI 绘画世界的门槛，对设计师和创意工作者来说无疑是好消息。阅读文章 > 有关注过 AI 绘画工具的小伙伴应该的知道 Midjourney，它与 Disco Diffusion 和 DALL·E 2 同为最早一批的文本-图像生成模型，且生成图像的质量非常不错，拥有很多的忠实用户。最近，Midjourney 更新了其 V4 模型，在输入文本描述的末尾加上“-v4”即可启用。新模型在文本信息的理解、生成图像的细节精度、以及场景构图上都有了极大的提升。不论是写实厚涂、风格插画、还是材质渲染都有惊人表现，甚至能生成设计草图、人物三视图、游戏元素等，特别是在生成如照片般真实的图像时，可以达到以假乱真的地步。画面比例也由原来的仅支持 1:1 拓展为支持 2:3 及 3:2。Ralph Nas 使用 Midjourney V4 模型生成的图像，精度很高，材质细节也非常逼真。图片来源： https://pixexid.comWilliam Vaughan 使用 Midjourney V4 模型生成的人物设计三视图。图片来源：Midjourney 官方社区SavvyBeans 使用 Midjourney V4 模型为游戏设计的一系列风格一致的人物。图片来源：Midjourney 官方社区Deadlydav 使用 Midjourney V4 模型生成的拟人动物形象。图片来源：Midjourney 官方社区evncmpbell 使用 Midjourney V4 模型生成的场景原画，气势恢弘。图片来源：Midjourney 官方社区Adoink 使用 Midjourney V4 模型生成的 2:3 人物海报。图片来源：Midjourney 官方社区官方表示 Midjourney V4 目前仍处于 alpha 阶段，并会继续改进 v4 模型在图片分辨率、清晰度、画面比例方面的问题。Midjourney 的生成服务托管在 Discord 服务器上，想深入了解的小伙伴可以戳下面的链接：手残党也能成为艺术家！4个热门AI绘画平台的创作经验总结AI画画，无疑是当下最火热的话题之一。阅读文章 > 此外，Midjourney 还与 Spellbrush 合作推出了一款新的绘画工具 Niji·journey，专门生成二次元动漫风插画。生成的图像在人物设计、色彩、构成及光影都达到了很高的水平，甚至让初级画师都难以企及，让人不禁感叹 AI 绘画的强大与神奇。Niji·journey 推特官方发出的效果图。但它目前存在一个比较严重的问题——数据集侵权。训练Niji·journey 的生成模型需要收集大量的二次元动漫风图片作为数据，但这种画风的发展时间并不长，很多优秀的画师目前仍然在世，如果擅自使用这些画师的作品作为训练数据就会存在侵权问题，而且目前Niji·journey 生成的一些插画风格已经被网友指出与知名画师高度相似。官方也表示目前使用Niji·journey 的生成图像不能被商用，大家如果有机会可以体验，需要注意规避相关方面的风险。推特用户 @8co28 使用 Niji·journey 生成的二次元图像。Niji·journey 已经开启了内测，大家可以去官网加入等候名单：Niji·journey 官网： https://nijijourney.com/zh/Niji·journey 官方 Twitter： https://twitter.com/nijijourneyNiji·journey 相关问题解答： https://weibo.com/7310345883/MgHy6jvBt以上就是今天和大家分享的有关 AI 绘画的内容，有没有小伙伴已经体验过相关的工具呢？欢迎在评论区分享你的经验和感受 ~ 喜欢的小伙伴记得点赞收藏，也可以转发给身边有需要朋友 。如果你有关于本文或者设计的疑问，可以在评论区提出，我会第一时间为大家解答 ~相关推荐：一小时1200张图！当电商设计师把AI画画加入实战，效果太炸了！编者按：AI画画一直是2022年的热门话题，但至今仍鲜有实战案例。阅读文章 > 免费开放！人人都能轻松上手的AI绘画工具DreamStudio大家好，我是和你们聊设计的花生~之前为大家介绍了初代 AI 图像生成器 Disco Difussion、Dall·E 2、Midjounery，国产 AI 图像生成器 Tiamat，以及 4 款由谷歌、微软等大厂推出的 AI 图像生成器 Imagen、Parti、Make-A-Sce阅读文章 > 本篇来源：优设网原文地址：https://www.uisdc.com/ai-draw
模型 效果 玩法 Hi，我是彩云。之前在工作中做了一个 AR 翅膀的特效，设计过程并不复杂，但基本上该有的设计流程一样不少，是一个很适合分享给大家的绝佳案例。大家有兴趣的话，也可以自己跟着教程做一个试试。先介绍下这个玩法，这个 3D 翅膀可以实时 AR“长在”用户身上，可以给大家带来很新奇的体验，大家也可以在 QQ 相机和小世界中实际玩这个特效。在 QQ 相机和小世界的相机拍摄中，特效的位置下面的视频是最终的效果上线的数据很不错，得到了用户的认可。在做这个玩法的过程中积累了一些经验，是总结也是分享。（悄悄告诉大家，学会了类似这种特效制作，成为特效师还能自己投稿赚钱哦，收入很可观！所以今天这篇文章一定要收藏，并认真看，指不定还可以指望这个赚钱养活自己呢。强调下，这不是广告，只是告诉大家一种可能性，设计师尤其有优势！）好了，话不多说，下面仔细讲讲这个玩法是怎么一步一步做出来的。做需求前，一定要先理清设计思路，想清楚了，执行才会效率。这个特效的设计思路，我把它大致分为 9 个步骤：需求背景及目标参考搜集，明确风格方向基础模型设计，确定最终造型雕刻模型，增加模型细节打磨材质，贴图设计和烘焙骨骼绑定和动画设计在工具中还原效果，增加物理随动设计 2D 氛围元素，打包上线结果与反思需求背景及目标要做好一个实际的设计需求，了解用户的属性和喜好很关键。在我们的产品生态中，女性用户偏多，翅膀的诉求一直都有。竞品已经有做过类似的玩法，但效果比较一般，在视觉上还有提升空间。而我们的产品在当时也没有全身 AR 的能力，所以也是作为一个新能力的建设，未来可以有更多的拓展应用。基于这样的目标，在设计上就需要把翅膀的视觉效果做的更好并最终落地。参考搜集，明确风格方向在相机特效玩法中，翅膀是一种全身特效玩法，它需要识别人体边缘并利用人像分割技术才能正常生长在人的背上，具体技术细节就不多说了，AR 特效落地是需要通过一个工具来实现的，后面会讲到。设计师在这里面的发挥点是设计出漂亮的翅膀，这给了我不少发挥空间。开始设计前，我会从翅膀的风格上做一些提案。通常我在这个步骤会去找大量的参考，筛选出一些风格图做成情绪版，便于沟通。对于翅膀的设计思路，我首先想到的就是游戏中的翅膀效果，因为游戏中的模型参考应该是最多的，然后我会从玩过的游戏中找灵感。所以，我也建议大家，平时可以多体验不同的产品，留心观察，说不定未来做一些项目的时候就能用的到这些“存货”了。我之前也写过一篇文章《如何从优秀作品中偷师，用一个游戏案例教你思路》，大家感兴趣的话也可以去看看。如何从优秀作品中偷师，用一个游戏案例教你思路Hi，我是彩云。阅读文章 > 除了从游戏中搜集灵感外，我还习惯用 pinterest 来找图，我喜欢用这个工具来找参考是因为它有个最厉害的地方——以图搜图，在搜图的过程中不断逼近自己想要的结果，对于找灵感来说，简直是神器。这组参考发出来后，大家比较倾向方向 4。原因可能是因为是要结合真实用户的 AR 效果，放一堆游戏的图让产品很难想象最终的效果。虽然对我来说是比较清晰的，但比较难达成一致。从方向 4 中收敛出新的关键词组合：透明，炫彩反射。以此达成新的共识，初步明确了质感效果，接下来就可以进行进一步的细化。然后根据新的关键词，迭代参考，进一步确定造型并将质感可视化。待和需求方达成共识后再动手做，是减少返工的正确方式。下面就是按收敛后的关键词迭代的新的情绪板，这样要做什么就能更清晰了。在找参考这里有几个经验教训分享给大家：参考越接近最终效果，越利于沟通，因为其他人很难猜测到你脑子中的想法平时多体验产品，在找参考阶段才越容易发散思维每个方向要尽快的拉开区分度，这样方便团队决策基础模型设计，确定大致造型根据确定的方向，大概花了几个小时我就做了一个初步的模型效果，思路是想通过玻璃材质+贴图纹理的方式实现效果，所以没有对模型做太多结构。但在渲染的时候会发现，由于模型表面没做结果，缺少起伏，虽然用到了法线贴图，但反射细节几乎没有，效果很差。所以马上换了个思路，还是不能偷懒啊，模型该有的细节还是要雕刻做出来才行。另外，这个模型也有一些结构性的问题，比如翅膀这种向上勾的方式有些违背自然规律，向下垂坠会显得更加自然一些。模型雕刻，增加细节为了把模型的细节做的更加丰富，我用 ZBrush 进行细节雕刻。关键点是把所有可能会有的模型细节都雕刻出来，这样在烘焙法线的时候才能让模型有细节可以看。除了雕刻好翅膀表层的结构方便烘焙，也对翅膀边缘做了更多曲线化设计，增加细节。雕刻的时候也尝试了 2 个不同的结构，最终选定了方案 2，大家觉得更加流线型的翅膀会更好看一些。在 zb 中进行雕刻模型设计中有几个小的经验：1. 想要模型最终视觉效果好，细节一定要足够多，比如这里的纹路，模型表面的起伏，边缘的曲线都可以有尽量多的细节变化。好的模型设计，白模就会比较耐看。2. 为了方便后面烘焙贴图时，细节丰富可控，雕刻的时候可以把细节的起伏关系交代的更加明确，也就是做的更夸张一些，这样在烘焙时效果损失会相对较少。3. 模型雕刻的时候可以适当在 ZBrush 中把细分等级拉高，更容易雕刻细节。而在做模型平滑时，再把细分等级拉低，方便快速平滑。多说一句，C4D 中虽然也能雕刻，但功能跟 ZBrush 根本不能比，建议大家也可以尝试下。材质设计，贴图烘焙分析下这个翅膀最终的效果，材质上需要用到颜色贴图+法线贴图+炫彩玻璃材质。颜色贴图在 SP 中画下就行，操作上跟 PS 很类似，用手绘板稍微画下就 OK。法线贴图比较简单，因为有了前面雕刻的高模，通过 Substance Painter 烘焙就可以得到了。烘焙的过程也比较简单，先把低模导入到 SP 中，选择烘焙这个功能，并选择 ZBrush 雕刻的高模进行烘焙导出贴图即可。这里要注意的是，高模和低模的 mesh 命名，低模是 low_xxx，高模是 high_xxx，模型的格式都是.FBX。由于玻璃材质效果需要实现实时渲染，没法通过贴图来实现，最终是要靠引擎能力，所以在这里用 3D 软件渲染只能作为参考。对于玻璃材质的表现，主要还是依赖于 hdr 贴图，一张颜色丰富的 HDR 贴图对于玻璃材质的渲染最为关键。有了这个静态渲染效果后，接下来就需要在引擎中进行还原，这个就要靠技术美术同学配合写 shader 才能做出来。其实这个过程也就类似于做 UI 时，前端开发需要去把设计稿还原出来一样了。骨骼绑定和动画设计确定了模型效果后，接下来就需要对模型进行绑定和动画了。由于蝴蝶的翅膀动画一般是相对较硬的，所以按照常规的非实时渲染流程只加了 2 根骨骼。但这样有个问题是在引擎中加物理效果时，随动效果很硬，很难给用户感知到翅膀的随动感。这里解释下，引擎中的物理效果是基于链式骨骼节点来进行动画的，可以想象成你甩动一条铁链那种感觉，铁链的节点数越少，甩动肯定就越硬，随动效果也就越不明显。所以，为了能让用户对随动有比较强的感知，就需要增加骨骼节点数，增强随动效果。动画搞定后，还需要给开发渲染一个 demo 动画作为后期调整的参考增加 2D 氛围元素做完 3D 部分，整体的玩法还是比较干，所以还需要增加一些 2D 的氛围。这些动画都是通过 pag 来实现的。效果实现最后想把玩法实现落地，我们需要用到特效工具 Tencenteffect，大家也可以到这个 https://effect.qq.com 网站上下载这个软件 。在这个软件中就可以配置好这个特效玩法了，具体怎么做，下载这个软件后里面会有一些基础教程。在工具中的效果，可以边做边实时预览下面就是最终在引擎中优化后，用户拍摄的真实效果，一个相机滤镜效果就做出来了，大家可以在 QQ 小世界中玩玩。结果及反思一开始做这个玩法的时候，更多的是想作为新能力的探索尝试，因为觉得这个全身玩法对用户来说，拍摄成本比较高。但最后却发现这个玩法的数据非常不错，用户很喜欢，成了爆款。我自己也去调研了用户的拍摄情况，从用户拍摄的结果上看，你永远不知道你的用户会如何使用这些效果，各种千奇百怪的拍法都有，感叹用户的创造力太强了。所以，如果从设计角度总结经验，可以大致判断一些倾向，比如新奇好看能打动她们，基于这样的判断后面也把这里用到的炫彩材质复用到其他玩法中，提升探索的边际价值。总结在做 3d 模型的时候，一定要注意找到合适的参考。可以是细致的原画稿，可以是正确的结构图等等。参考找的好，更容易把东西做好。参考图细节越丰富，结构表达的越清晰，才能更好的把握模型结构，最终的渲染花的成本也会更低。如果模型结构都没啥细节，后期花的时间会更多，而且还很难出效果。模型想要做的好，最关键就是在于造型，造型好看白模就会比较好看，灯光和材质是加分。比如像光叔的这些模型，白模就已经无敌了。光叔的个人网站， https://zhelongxu.com/大家可以围观下 ，3D 领域的天花板，很荣幸光叔还是我的学长，向他学习。光叔做的模型-白模最后好了，以上就是彩云在实际工作中做的一个爆款玩法设计的全过程，希望你有从中学到有价值的内容，别忘了点赞转发支持彩云。去年日本最大手游爆款《赛马娘》，是怎么做3D模型的？对绝大多数玩家而言，这款游戏最让人眼前一亮的，莫过于角色散发出来的魅力。阅读文章 > 欢迎关注作者的微信公众号：「彩云译设计」本篇来源：优设网原文地址：https://www.uisdc.com/ar-wing
模型 用户 动机 作为交互设计师，我们要确保产品的框架，任务的链路，界面的设计符合用户的心智模型。那么如何才能够尽可能的匹配用户的心智呢？今天我们开始讲解交互设计常用模型，帮助大家建构宏观的思考框架，利用前人的智慧，相对系统的解决设计问题，大家一起来学习一下吧~交互设计常用模型 · 有什么？交互设计的核心设计工作是在结构层和框架层，但战略层和范围层会影响甚至决定交互设计，所以对交互设计师而言，结构和框架是核心，但战略和范围相关的设计模型也必须要关注。图 1 用户体验要素表现层作为延伸关注维度，日常多一些关注即可。此外，作为设计师，我们在设计完成之后，灰度期间，上线之后，还需要总结复盘我们设计方案的有效性，进行二次迭代，因此体验度量也是我们需要关注的一个维度。综合以上维度，我搜罗了全网资料，结合我个人认知和经验，整理出来如下设计模型一览表：图 2 设计常用模型一览表大家可以先简单浏览一下，检验一下自己的知识储备，查漏补缺~交互设计常用模型 · 是什么？由于本文篇幅有限，我只进行简单的介绍。1. 用户分析相关模型战略层核心须关注用户需求，那么有哪些用户需求分析的工具和方法呢？图 3 用户分析相关模型对于设计师而言，接触比较多的包括：5W1H 模型：帮助我们做用户场景分析。用上这款分析工具，你看上去就像一个高级 UI 设计师了讲完 Kano，我们再来理解下一个模型，即 5W1H，了解一下它在我们的工作中发挥什么样的作用。阅读文章 > 卡诺模型：帮助我们从用户角度进行需求分类和排序。UI 进阶必学系列：需求分析工具 KANO 模型大家知道，长期以来我们一直在坚持分享一些基础的干货内容，那些看书、看分享很难系统搞得明白的知识点，这和我个人对基本功的执念有密不可分的关系。阅读文章 > 同理心地图：让我们从用户的感知认知——看听想说出发，理解用户的痛点，归纳产品的机会点。6个步骤，从零开始教你绘制同理心地图在之前关于用户体验地图的文章中，有提到可定期引用同理心地图作为灵感来源，来完善用户体验地图。阅读文章 > 用户旅程图：帮助我们了解用户在整个产品使用旅程中的行为，感受、痛点和期待，进一步帮助我们去归纳产品机会点和设计策略。心理账户模型：帮助我们理解用户对不同事物/信息的分类，顺应或改变产品的类别与匹配用户的心理模型。没有灵感怎么做设计创新？收下这个方法！工作中我们设计师除了要完成产品经理或者业务方的需求，往往还希望在设计产出上能有更多的创新来体现自身的价值。阅读文章 > 2. 增长分析相关模型图 4 增长分析相关模型对于产品而言，增长是各个时期都绕不开的一个核心目标。日活，留存，转化，复购……不同的生命周期，有不同的增长指标。作为设计师，我们有义务尽自己之所能，去辅助业务达成目标。在增长方面最为知名的是 AARRR 海盗模型（用户获取、激活、留存、收入、传播）。在此基础之上又衍生出了 RARRA 模型，6R 模型，八卦增长模型等，还有根据福格行为模型衍生出来的上瘾模型，这些模型可以帮助大家去梳理新用户从拉新到留存的设计闭环，也可以刺激老用户提高活跃频次，从而提升整体活跃。大家可以根据产品的发展阶段和目标，选择合适的增长模型框架展开设计。用一篇文章，让你掌握能让用户快速增长的AARRR 模型AARRR模型因其掠夺式的增长方式也被称为海盗模型，是Dave McClure 2007提出的，核心就是AARRR漏斗模型，对应客户生命周期帮助大家更好地理解获客和维护客户的原理。阅读文章 > 用一篇文章，帮你快速入门「增长黑客」导语：A/B Test 或 “病毒营销” 就是增长黑客？阅读文章 > 3. 行为转化相关模型图 5 行为转化相关模型这是我们团队交互设计师用得最频繁的基础模型。AIDA 模型：最早来自营销领域，将消费者从接触外界营销信息到完成购买，划分为注意、兴趣、欲望和行动四个阶段，是广告效果测量的一个重要模型。电商类产品，运营活动类产品的链路设计和页面结构设计通常会参照这个模型。想用设计提升转化率？先学会这个超好用的漏斗模型！漏斗模型，是一种数据分析方式，是一个线性流程，更是一种普遍适用的方法论，或者说是一种思维方式。阅读文章 > LIFT 模型：也是一个促进行为转化的有效模型，它以提炼出来的价值主张（用户购买的理由）为载体，通过提升相关性，清晰度和紧迫性，减少焦虑性和注意力分散，6 个维度出发去促进用户行为的完成。我们设计师在会员购买和直播打赏中都有用过这个模型。福格行为模型：我将其称为交互设计的底层模型，在本文第三节我会稍微详细的为大家展开讲解。如何提高设计转化？先学会经典的「福格模型」日常工作中我们经常要考虑如何吸引用户转化。阅读文章 > 八角行为分析法：这个在偏游戏类、运营活动类的产品设计中用的比较多，大家在进行这类产品设计时可以参考。4. 视觉与品牌相关模型图 6 视觉与品牌相关模型视觉与品牌相关的设计模型，我们团队用得比较多的包括：形色字构质动 6 维度的视觉语言体系，以及品牌屋，品牌金字塔模型、超级符号，感兴趣的同学可以在网上查阅到更多资料。从6个方面，全面解构「百度阅读Pro」的视觉设计！前言：小编是个重度的阅读产品使用者（做编辑这行不读书怎么行），几乎用遍了网上的各种阅读产品，最近在网上发现了一款非常低调的产品上线了，一查竟然是百度出品的，因为经常接触百度系产品，这个产品的设计体验和以往的都不同，然后就在网上搜索资料，查到了一位资深设计师对这个产品的评价，写的非常诚恳（阅读文章 > 5. 体验度量相关模型图 8 体验度量相关模型体验度量相关模型包括 Google 的 Heart 模型，通常与 GSM 模型结合使用，阿里根据 HEART 模型完善出一套五度模型，在国内更受推崇，也可以与 GSM 模型结合使用，这两套模型都比较偏 C 端，偏 B 端的包括 PETCH 和 UES 模型。产品体验度量设计指南（一）：谷歌HEART模型随着互联网流量红利的消失，互联网进入了以产业互联网为代表的下半场，各大企业的关注点聚焦到了如何获取企业及行业利润上来。阅读文章 > 设计师和产品想法不一致怎么办？试试谷歌的GSM模型！我们为什么要使用 GSM 模型常规工作中，需求往往由 PM 发起，UE 团队到底如何跟 PM、FE 等团队成员协同，达成目标共识，是我们值得讨论的。阅读文章 > 阿里出品！如何量化体验设计？看这一篇就够了！（上）如何评估设计价值已经成为设计同行都在思考和研究的课题。阅读文章 > 交互设计常用模型 · 怎么用？每一个设计模型都是前人智慧的结晶，至少需要一堂课以上的时间才能讲透彻。所幸现在互联网的知识是很丰富的。本文的价值是给大家普及这些设计模型的存在，让大家能够知道并按文索骥的自主学习。我无法将所有设计模型为大家一一讲解，一方面精力有限，另一方面有很多类型的模型也并非我所擅长。这一节我将以交互设计的底层模型——福格行为模型为例，为大家讲解如何在设计中运用设计模型，其他模型需要大家根据业务所处阶段和目标灵活选择。根据福格行为模型 B=MAP，影响行为的要素，有且只有 3 个：动机、能力和提示。图 9 福格行为模型作为交互设计师，我们需要清楚的了解这三个要素是什么，以及它们之间的关系，才能在设计中正确的运用它们，所以我们逐一来看。1. 提示根据福格教授的建议，在运用福格行为模型时，第一个步骤是检查有没有(合理的)行为提示，我把它翻译成能否吸引用户注意。能够引起我们注意的东西，才可以成为提示。没有提示，就没有注意，也就不会有任何行为发生。无论你的动机和能力有多么强烈都没用。那么，作为交互设计师，我们有哪些吸引用户注意的秘笈，我将其归纳为：图 10 吸引用户的四大秘籍① 运动（包括自身运动+附加运动元素）② 人脸（尤其是带有和用户互动眼睛的人脸）③ 对比（包括色彩、形状、大小、虚实、投影、情绪等）④ 本能（包括危险、食物、性）图 11 吸引用户注意的案例示意日常设计中我们可以先从这四个大的维度考虑可行性，然后再考虑单独维度下的具体策略。这四个维度是可以组合运用的，这样能够将视觉注意力效果发挥到极致。2. 能力能力，是人们对探索、认知、改造事物的水平的度量。图 12 行为与动机能力之间的关系从福格行为模型可以看出，行为位于行动线上方还是下方，同时取决于推动行为的动机和让行为容易做到的能力。这里有一个关键点：能成为习惯的行为一定会落在行动线上方。作为设计师，当我们不确认用户动机强弱时，最可靠的方式就是提升用户的能力（或者说降低行动门槛，让用户更容易做到）。图 13 降低用户负荷的方法-重复行为越容易做到，就越容易发生，发生越多次，就越容易做到，从而形成一个正向回路，进而形成用户习惯。提升用户能力，设计师常用的策略有三种：降低视觉负荷、认知负荷和操作负荷，让用户行为能够更容易完成。图 14 降低用户负荷的三种类型图 15 降低用户负荷的案例示意3. 动机动机是人们完成某个特定行为（如晚上看书 30min）或某类行为（如每晚看书 30min）的欲望。福格教授把动机来源分为 3 种：图 16 影响动机的 3 要素① 你自己想要的（其实我理解这就对应心理学家说的内在动机）；② 你希望通过采取行动可以得到的利益或避免的惩罚（对应外在动机）③ 以及你的周遭环境（例如，所有朋友都在做这件事，也对应外在动机）动机可以来源于这三个因素中的任何一个或多个，而且多个动机往往还相互冲突，互相较量，导致我们精神的痛苦（比如又想减肥，又想吃甜食）。所以动机是时刻变化非常不稳定的。结合个人经验，我将提升用户动机的因素分成了以下 3 大类：图 17 影响动机的 3 要素① 本能喜好：符合人类本性的，或者跟用户兴趣爱好匹配的，这个行动本身就可以给用户带来愉悦感，比如吃东西、看美女、狂淘宝。这也对应很多心理学家所说的内在动机，内在动机驱动的行为能为用户带来快乐、成就、意义，会更容易让用户产生心流状态，所以想让用户完成某个行为，最理想的情况就是这个行为和行为结果符合用户的本能喜好，给用户带来满足感和幸福感。② 奖惩刺激：属于典型的外在动机，用户不一定享受行动本身，但是希望通过采取行动获得奖赏或避免惩罚，比如做任务抽奖，刷题备考、锻炼减肥等。奖赏可以是有形的（金钱、奖品、证书等），也可以是无形的（表扬、支持、认可等）。③ 情境影响：用户本来没有动机或动机很弱，但是受到周围环境的刺激后，会触发服从跟随效应，比如排队、刷热点、追剧等。（某种程度上，情境影响也是一种外在动机，它受人的社交尊重需求的驱使和牵引）图 18 提升动机的案例腾讯出品！7 种人机交互设计模型科普众所周知，人机交互是一门集调研，构思，设计和测试为一体的学科。阅读文章 > 欢迎关注作者微信公众号：「悦姐聊设计」本篇来源：优设网原文地址：https://www.uisdc.com/common-design-model
用户 信息 模型 最近在 12306 网站购票时，弹窗中展示了大段的文字信息，我只是匆匆扫了两眼就果断关闭了，实在没有耐心逐字读完。特别是节日抢票的场景，用户更不会有心情去看这些提示信息。所以在做产品设计时，需要注重信息的传递效率。B 端产品通常用在 PC 端，屏幕显示区域大，在做设计时会不自觉的添加较多的信息，反而影响了用户的使用体验。今天我们就来讨论下如何做好信息传递？我总结了以下 3 个原则：匹配用户心智模型心智模型指的是人们心中根深蒂固存在的，影响人们认识世界、解释世界、面对世界以及如何采取行动的许多假设、陈见和印象。是一个决定用户信息获取行为的内在的、可预测的认知模型。简单来讲就是人类基于经验的总结，去认知世界。做设计这么久，竟然没听过心智模型？今天，我们来聊点不一样的东西。阅读文章 > 《About Face4:交互设计精髓》中提出了 3 种模型，实现模型、表现模型、用户的心智模型。好的产品的设计要尽可能匹配用户的心智模型，越符合用户心智模型的设计，产品越容易理解。B 端产品页面内容变化较少，更强调一致性。主要由表格、表单、按钮等各种信息元素构成。在长期的使用过程中，用户对某些信息元素已经形成了特定的心智模型。例如用户看到输入框，就知道需要填写内容；看到步骤条引导，就知道多步操作；看到 Radio Button，就知道是单选。因此方案设计时，设计师的一个重要目标就是让表现模型尽可能的匹配用户心理模型，避免因为组件使用不当，造成用户产生错误认知。例如考虑到用户的视觉动线，“新建”主要、高频按钮通常放在左上角，方便用户浏览和操作，而辅助功能按钮会放置在右侧，用户也逐渐形成了这样的心智模型。如果主操作按钮放置在右上角则违背了用户的心智模型，用户使用产品时，需要建立新的心智模型，改变已有的行为习惯。并且这种设计并不能带来其他层面的体验提升，个人认为有些得不偿失。信息的层次性B 端产品业务比较复杂，页面内容也会较多，信息的有效组织尤其重要。信息设计不是简单的内容堆砌，需要根据用户场景和需求做出优化处理，构建有效的信息的层级帮助用户去理解业务内容。信息层级包括 2 个方面：1. 系统空间分层在一个系统中存在着空间分层，当页面较为复杂时，需要通过合理的内容分层，有序的展现内在逻辑关系。B 端核心交互就是“增、删、改、查”，其中“查”就是信息的检索和浏览。所以页面主要是由搜索条件和表格构成的。而“增、改”等操作行为主要是在临时的系统空间中完成，例如弹窗、侧边浮窗、跳转页面等形式。不同的信息在不同系统层级中相对独立的展示出来，保证了信息的层次感和秩序性。2. 页面信息结构复杂业务场景下，单个页面会承载大量的信息内容，需要通过合理有序地呈现给用户。主要有 2 种方式进行信息拆解。1）高效组织——卡片化设计在 B 端产品中，为了保证功能的完整性，必须要一个页面中展示给用户。逐条平铺，散点式的信息展示会造成信息密度过高，缺少层次性。而卡片方式可以很好的聚类相似信息，分割差异化信息，有助于降低信息的复杂性，帮助用户快速定位信息、浏览内容。2）化整为零——步骤化设计面对复杂的信息内容，用户容易产生畏难情绪。将复杂内容分步拆解，把用户的关注点从页面内容转移到步骤进度上，可以减少用户的心理压力。另外节点信息页也可以帮助用户更好的理解业务流程。另外步骤化设计还可以将散点内容归集到一个任务流程中，引导用户快速完成工作任务。例如 Win11 系统安装后的设置引导，可以方便用户快速完成系统基本配置，避免用户操作的行为成本。3. 页面元素设计不同于 C 端产品，B 端产品更强调效率。正如奥卡姆剃刀原则所说“如无必要，勿增实体”。页面内容需要以简洁为主，避免无关要素形成信息干扰。而设计师更加感性，担心设计过于平淡，会在界面中添加各种视觉元素，反而会增加用户的认知成本。让设计更有说服力的20条经典原则：奥卡姆剃刀编者按：我们都知道在设计中简化不必要的元素和操作会提升产品的效率，那么这是什么原理呢？阅读文章 > 信息的可理解性B 端产品通常业务具有一定的专业性，用户门槛较高。在复杂业务场景下，必须让用户能够较为清晰的理解产品及功能，才能保证信息的传达效率。1. 帮助信息B 端产品需要尽可能地降低用户学习成本，但是本身业务层面的难度是无法避免的。因此需要为用户提供及时有效的帮助信息。在阿里云、腾讯云界面中包含了大量的解释说明、Tips 等信息，解决用户在使用过程中的疑问，帮助用户更好的理解业务内容，减少用户的记忆量。同时帮助信息还需要具有拓展性，当提示信息无法完全解决用户疑问时，还需要能够引导用户，查看完整的帮助文档，减少用户翻查资料的成本。2. 可视化设计数据可视化设计在 B 端产品中应用较多，例如概览页面，通过图形化的方式将数据的内在关系更直观的表达出来。在某些特定的场景下，内容页面也可以通过可视化展示帮助用户理解信息，例如常见的身份证图片上传等，很多用户无法分清楚正面反面，借助图片可视化提示，便于用户更好的理解信息。写在最后体验设计行业需要创新，但是 B 端产品设计需要更加谨慎。尊重用户的习惯，完整表达业务逻辑性、保证内容的可理解性，是设计师必须去关注的。从4个方面，帮你掌握B端产品设计利器「信息设计」图表图形、图像符号、地图，是我们生活中和设计实践中经常接触到的信息设计形式，这些设计制图在有限的平面空间里讲述了立体的故事，把信息清晰高效的传达给用户。阅读文章 > 欢迎关注作者微信公众号：「子牧UXD」本篇来源：优设网原文地址：https://www.uisdc.com/b-end-information-design-rules
元素 在线 模型 这个 3D 元素可以转个方向换个颜色吗？当然可以！大家好我是花生~ 提起有关设计的小笑话，比较经典的肯定有那个“大象转身”，我看一次笑一次，笑过之后又有一些淡淡的无奈，毕竟受设计素材限制是每个设计师都遇到过的难题。比如大家手上肯定下载了很多 3D 元素资源，但是在实际运用起来的时候，却因元素的角度、颜色等不能契合设计要求而只得放弃。这是使用下载好的 3D 元素的局限，但好像也没有什么办法。最近我发现一个比较有意思的网站 VERTEX，它能在线编辑 3D 元素，随意调整 3D 元素方向，并修改颜色和材质，能很好的解决我们用 3D 素材时的那些问题。而且站内素材都是免费可商用的，今天就推荐给有需要的小伙伴。可在线编辑 3D 元素的网站 VERTEXVERTEX 是一个支持在线调整 3D 元素的网站，它的开发者是 Vlad Kluev，一名来自莫斯科的设计师和 JavaScript 开放人员，擅长的领域包括用户体验设计、JavaScript、3D、Cinema 4D、Sketch、Figma、Photoshop 等。VERTEX 是他个人开发的一个公益性网站，分享他自己创作的 3D 元素，并通过编程让站内的 3D 元素可以编辑。「高质量模型」VERTEX 内的 3D 元素种类还是比较多的，而且质量很高，模型都非常精致。「角度调整」VERTEX 站内的 3D 模型支持 360无限制角度调整，使用者可以按照自己的需要调整好角度后导出为 PNG。调整时选择坐标上对应的 X、Y、Z 轴拖动即可，坐标开关在画面左上角，需要观察调整结果时可以选择关闭坐标显示。「颜色材质修改」除了可以调整角度，VERTEX 站内的 3D 模型支持按不同部位进行颜色和材质修改。这样的好处就是，对于同一个模型，我们可以通过改变其颜色或者材质，得到数十种不同的渲染结果，大大提高了模型的使用效率。而且使用者也不用像之前那样担心自己的 3D 素材与别人的“撞衫”了。「导出」当角度和颜色都比较令自己满意后，就可以点击图片下方的「download」将模型导出。中间会有一个几秒的渲染过程，然后会自动下载保存为透明底的 PNG，尺寸为 2720*2720px。由于保存十分方便快速，大家可以为模型多调整几个颜色或者角度，一一保存下来，之后使用也会方便很多。元素使用效果清晰上面就是 VERTEX 网站的功能介绍，总结一下一共有三点：3D 模型种类丰富，质量极高支持在线调整元素角度、颜色和材质，实现“一模多用”渲染导出快，图片高清，免费可商用附上 VERTEX 官方网址： https://vertex.im/ ，赶快自己动手试一试吧。在此也感谢作者 Vlad Kluev 的创作和付出，网站内的模型也一直在持续更新，值得大家收藏并持续关注。如果有小伙伴对 3D 元素的需求比较大，但是又没有更多的时间学习专业的 3D 软件，可以尝试一下 MagicaCSG 这款轻量级的 3D 软件，它界面简单操作便捷，建模和渲染都十分迅速，且质量不错。上手极快，学会之后就能自己按需求制作各种 3D 小元素，对之后深入学习更专业 3D 软件也有帮助。MagicaCSG 使用教程见下方链接：免费用上手快！快来试试这款 3D 设计神器 MagicaCSG3D 元素在设计中的应用广泛，之前向大家推荐了很多免费的 3D 素材下载网站，但是实际应用起来还是有局限的。阅读文章 > 以上就是今天分享的全部内容，谢谢大家的浏览。优设一直致力于为设计师提供最实用的设计干货知识，也为大家推荐了很多提升设计效率的神器。为了更好地为设计师提供服务，我们新建了一个「优设-花生设计交流群」，由我主导运营。无论你是想找神器、找教程还是想解决设计路上疑问，都可以进群交流，优设与大家共同成长。进群方式见下图，等你哦~本篇来源：优设网原文地址：https://www.uisdc.com/vertex
游戏 模型 用户 最近两三年游戏化设计被聊的很多。但其实说来说去都是隔靴搔痒，大多数时候是挂个游戏化的名头，做的事情其实没有什么新意。所以我打算对市面上形形色色的说法做一波综述，我们来细细聊聊游戏化设计它究竟是个什么东西。流量密码游戏化游戏化这个概念不是什么新鲜东西，在国外 2003～2004 开始就起热度了，国内设计界在经历了支付宝的蚂蚁森林/拼多多的砍一刀等等影响力比较大的游戏化实践以后，基本也普及了这个概念做了很多相关研究。基于一个叫 Sebastian Deterding 的老哥在 Gamification: Designing for motivation 中做的总结，我将这些林林总总的“游戏化”文章分成以下这些类型：类型 1-拆解“游戏化”的构造这种文章旨在说明一个游戏化产品的构成逻辑，在解释“游戏化”这个概念框架的同时，一般也能够给到一些设计行为上的建议。不同的模型强调的东西有一些差异，比如比较常见的有：DMC 模型：强调玩家被一些内部驱动力引导把游戏的组成部分本质到表象分成三个层级：动力（dynatmics）、机制（mechanics）、组件（Components），这个模型比较强调玩家玩游戏的底层动机，也就是玩家为什么要开展游戏。这个模型思路类似我们设计师经常讲的原子化设计，认为游戏动力、机制可以决定游戏的外在形式，设计师优先思考游戏的动力和机制，然后再去挑选一个匹配的游戏形式。这个模型因为出现在《游戏化思维:改变未来商业的新力量》中，所以在国内有一定知名度。MDA 模型：强调游戏要有“好玩”、有感情把游戏的组成部分分成机制（Mechanics）动力（ Dynamics）和美学（Aesthetics) 三个层级，比较强调游戏的艺术表现力和感性的一面，把“游戏的乐趣”拆分成不同的类型分析的比较细致。从这个框架下思考问题，设计师需要意识到自己只能从机制-动力的层面去构建游戏，但用户是基于美学-动机层面去体验游戏乐趣的，因此设计师应该站在用户的视角去分析游戏的最终体验，然后去反向分析什么样的机制-动力能够带来这种体验。这个模型比较偏向传统游戏设计，放在产品游戏化的语境下其实不太好发挥。类型 2-解释“游戏化”起作用的原因这种文章主要想要研究“游戏化”为什么能够吸引人不断的去玩、这个现象背后有没有什么理论支撑或者比较成体系的解释。目前在学术界对“游戏化”的研究基本是这个路数。Computers in Human Behavior 去年的文章将这些论文分成了 3 个类型：基于情感动机相关理论的：心流理论、自我效能或自我决定论等等基于行为理论的：强化理论、技术接受模型等等基于学习相关理论的：认知负荷理论、社会学习理论等等行业内来讲，基于情感动机和行为理论的游戏化文章其实是最常见的，我猜大部分人在上面这一串理论里最熟悉的就是心流了。对比学术界，行业内比较偏好对设计有直接指导价值的模型，比如：用心流理论解释游戏化：强调达成高效专注的游戏体验这个理论挺对现在国内商业环境的胃口，所以应用的比较广。简单来说就是基于用户的能力，合理设置任务、适当引导注意力，并且给予即时反馈，从而去引导用户长时间、高强度、不吃不喝不停也不会累地去做一件事情。用上瘾模型解释游戏化：强调让用户不断的长期使用这个理论将玩家不断进行游戏的行为拆解成触发-行动-奖赏-投入-触发的循环，强调通过这 4 个步骤引导用户长期、不断的去做一件事情。和它有点类似的还有福格模型。如何提高设计转化？先学会经典的「福格模型」日常工作中我们经常要考虑如何吸引用户转化。阅读文章 > 值得注意的是，把上瘾放在心流理论的下面其实算是给它抬咖了。虽然上瘾模型是我们日常工作中今天听到的一个东西，但它只能算是一个带有很强行为主义色彩的“设计思路”，实际上并没有经过严谨的证据论证，因此距离正儿八经的理论还是有很长一段距离的。类型 3-教导设计师如何去做“游戏化”这种文章一般是提出一些设计方法或者设计流程，类似“6 步设计一个成功游戏化产品”这类型的。这种文章是我觉得比较没意思的那种“游戏化”文章，我至少看过 3-4 种不同的说法，比如：情景游戏设计：探寻（Chasing）、增强（Enhancing）和部署（Deploying）简单来说就是先（从日常生活中）找到一个有潜力的游戏化场景，然后对其中一些关键场景做适当的夸张处理，从而制作出一个游戏原型，然后不断的和玩家测试、迭代这个原型。这个方法强调观察和用户参与，本身是一个挺真诚没什么套路的、很经典的游戏设计方法。但问题是我们做产品游戏化的时候，往往需要面对一个没什么游戏化潜力的场景，比如填表单。它的规则是固定的、不可改变的，因此基本没有什么游戏化的弹性。所有“游戏化”的元素都得是外来的，而不能来自产品本身。比如说游戏设计师可以从做饭获得灵感，做出“胡闹厨房”，但产品设计师没法把填表单功能“游戏化”成“胡闹填表单”，我们只能做一个和填表单完全没关系的“表单种树”，填一张表单帮你种一棵树。游戏化设计 6 步法将“游戏化设计”分成 6 步：明确目标、划定行为、描述用户、制定活动周期、评估乐趣、部署实施这个设计方法里除了第 4 步“制定活动周期”和第 5 步“评估乐趣”比较有独创性，其他的步骤都和普通做产品设计那种双钻模型没啥大差异。如何用好设计双钻模型？来看 vivo 浏览器的实战案例！前言刚入职时，有本书叫《方寸指尖》对我影响比较大，主要讲述如何做好用户体验设计。阅读文章 > 第 4 步“制定活动周期”（device activity cycles）在讲，要去设置一个类似上瘾模型的“触发-行动-奖赏-投入-触发的行为循环”，同时还要让玩家在这个循环里保持循序渐进、螺旋上升。类似打怪-得奖励-打怪-升级第 5 步“评估乐趣”是建议设计师要回头看一下自己的游戏化产品是不是真的有意思，不能只套个游戏化的壳子做无聊的东西。以玩家为中心的设计流流程将“游戏化设计”分成 5 步：了解用户、了解任务、了解动机并制定激励手段、产出游戏机制、评估测量。和上面的游戏化 6 步法比，这个设计流程比较强调激励手段，并且也着重强调可以从外部激励/内部激励两方面去推动用户玩起来。这些设计方法类的文章虽然多，但是去掉片汤话，说来说去也离不开探索-设计-验证的大流程，只是和一般产品从开始-结束单箭头的行为路径不同，做游戏化产品需要设计一个合理的、有意思的行为循环，仅此而已。但何种行为循环是合理的？这些方法论往往没有很具体的讨论，而又回归到心流/上瘾/福格模型三件套里。对于游戏化设计的具体技巧，我推荐大家去看游戏设计领域的书，比如《游戏设计艺术》里，就对如何设计游戏的兴趣曲线做出了如下的建议：一开始要给用户一个快速的体验峰值（B 点），然后再让用户遇到困难、在困难中不断升级循序渐进。类型 4-介绍具体的游戏化手段或思路这种文章是最流行、产出内容最多的，一般以《某某产品游戏化是怎么做的》为标题，介绍的内容大差不差是 PBL（点数、徽章、排行榜）或者其他类似的东西。这些手段非常具体、抽象程度低，可以拿来即用，因此大部分“游戏化产品”会选择直接借鉴这些手段。市面上将这些游戏化的手段归类的比较全的，大致有以下两个模型：八角模型（的外圈）这个模型将游戏化手段通过两个轴：内在驱动和外在驱动、黑帽思维（驱动）和白帽思维（驱动），划分成四个象限。内在驱动关注游戏体验，外在驱动关注游戏成果；黑帽思维代表具有紧迫感的负向动力、白帽思维代表正面积极的正向动力。它还将 8 种不同的动机放在这四个象限内，进一步细分了不同的游戏化手段各自的动机。这个模型主要是在归纳用户玩游戏的不同动机，可以归类到类型 1-拆解“游戏化”构造分类中。之所以放在这里，是因为我个人觉得这个模型的复杂程度实在是太高了，并且比较倾向于解释，指导设计的能力不是很强，所以我们主要来看被八角模型归纳的游戏化动机与手段：创造使命感：可以为游戏写背景故事、开局就给主人公强力道具，或者将公益与游戏联系起来进步与成就感：可以给游戏增加成就点数系统、徽章等成就象征、进度条、排行榜…让玩家开动创造力：可以给游戏增加通关道具（类似马里奥里的蘑菇）、提供多种选项分支…强调拥有权：可以给游戏添加收集元素、虚拟形象…创造社会联系：可以给游戏增加社交系统，比如师徒系统，或者允许用户炫耀/展示道具强调稀缺感：让用户觉得离完成目标非常近、或者向用户持续展示需要付出一定代价才能获得东西，比如付费道具调动好奇心：增加彩蛋、随机奖励等利用玩家害怕损失的心理：比如设置限时奖励，或者让玩家有大量沉没成本（最后说一句，八角模型现在市面上有的翻译都挺烂的，假如大家想看，我可以把作者的文章翻译一下）游戏化策略卡这个工具相比八角模型，更加倾向于去解释“游戏化”作为一个外壳，如何能更好的服务被“游戏化”产品目标。策略 1：提供具有新奇交互形式的沉浸化体验，激发用户的正面感情建立世界观：虚拟形象、背景故事设置惊喜：增加彩蛋、为游戏添加随机性策略 2：任务支持，使用类游戏任务的交互，传递给用户知识帮助玩家适应任务难度：设置等级系统、分解目标、逐步上升的难度对目标、反馈、手段、结果进行包装修辞策略 3：提供情感化的说服性元素，从而驱动用户使用自我成就：奖励、点数、收集、限定时间、稀缺性、惩罚社会成就：竞争目标、排行榜、团队自我表达：允许用户自定义某些元素、或者做出选择；为用户建立个人档案或者徽章系统社会关系：允许用户之间的合作、交易、帮助等游戏化这个概念就像糖衣在工作中，其实游戏化这个概念最受人质疑的点是，它所有的思路，比如任务设计要循序渐进、比如要给予用户正面和及时的反馈…所有的一切都是体验设计中已知的工作方法，没有什么全新的概念或者没见过的方法。在这样的情况下，很多人会觉得我们为什么还需要游戏化设计这个“糖纸”，去包装这些我们已经在做的事情呢？我的看法是，尽管游戏化设计的技巧都是已知的，但在设计师日常工作中，因为各种各样的原因，我们总会倾向于忽略这些点或者把他们的优先级排得很低。比如人人都知道一个页面包含的信息量越少，信息越聚焦，越容易引导点击。但是实际工作中还得把页面按产品的意思填得满满的。游戏化设计给出了一个成套的解决方案，并且允诺了一个很吸引人的远景：按这套方案去做，你的产品也会像游戏一样令人欲罢不能。因此用游戏化的壳子去包装整个设计方案，能让人暂时跳脱出我们日常工作的常规思考路径，去用不那么严肃的、玩家视角的看法来做东西。我个人觉得这么做有它的价值。另一个方面来说，因为游戏化只是层“糖纸”，它包裹的产品内核还是原来的样子，因此游戏化也不是什么包治百病的万灵药。比如包装成抽奖的广告、包装成中奖的拉新促活活动，基本不是从用户体验的角度出发做的设计。与其说这样的设计是使用了游戏化的思路，不如说是“伪装成游戏的名字和视觉样式，起到误导用户的效果”，还是不要往自己脸上贴金了。4000字干货！做好游戏化设计的 8 类机制和52个元素给大家直接盘点一下常用的游戏化机制，及每类机制下面常用的游戏化元素。阅读文章 > 欢迎关注作者微信公众号：「白话说交互」本篇来源：优设网原文地址：https://www.uisdc.com/game-design-2
目标 用户 模型 我们为什么要使用 GSM 模型常规工作中，需求往往由 PM 发起，UE 团队到底如何跟 PM、FE 等团队成员协同，达成目标共识，是我们值得讨论的。因此建立一套科学的模型，通过对目标的设定来倒推过程，结合定性和定量研究，与项目组就目标可以达成共识，并且更加准确的反应出产品目标中的用户体验质量，这套模型就是 GSM 模型。GSM 模型的简介与定义“GSM”是 Google 提出的一种自上而下度量用户行为的方法，通常用于衡量产品/项目目标的实现程度。通过对目标的设定来倒推过程，精准设定指标体系的一种量化研究方法。适用于产品设计中的各个角色。目标：需要解决的问题，通过对产品（项目）目标拆解推导出用户体验目标，体验目标辅助产品目标达成；信号：设计目标实现后所产生出的现象，设计目标是信号的必要条件；指标：是对用户现象的量化，也就是信号所得出的可衡量的数据化现象。GSM 模型的使用场景GSM 模型可适用于产品设计中的各个角色，对交互设计师尤为重要，交互设计师作为连接产品、用户、设计的中间一环，不断在业务和体验之间博弈，寻找平衡点。通过 GSM 模型对产品目标进行分析，结合业务目标与用户需求，找到改进机会点，在设计中帮我们斧正设计思路，对方案不断优化，上线后进行方案效果回收。GSM 模型带来的价值综上所述，GSM 模型基于项目目标，找出设计目标。并且可以辨别设计的优良。GSM 模型的具体实施步骤通过对目标的设定来倒推过程，并精准设定指标体系。step 1 识别并明确目标（Goal）业务目标、用户目标、设计目标是什么？用户要完成什么任务？我们希望他们按照什么路线走？希望他们执行什么操作？这里以手机百度 APP 智能小程序业务端——创建小程序表单项目改版为例，提高表单审核通过率是整个项目目标，通过拆分项目，设计目标为表单填写更快速和表单填写更准确。通过确定设计目标继续推到用户表现。step 2 推导目标对应的表现（Signal）什么用户行为/态度指示了目标达成？什么样的感受与目标失败/成功相关？从目标——信号可以是一对多的关系，根据用 户行为在不同的行为阶段会有不同的信号表现，以用户不同阶段观测用户的不同行为表现。进入 —— 通过各种途径进入页面发现 —— 在该页面中浏览、查找自己所需要的信息辨别 —— 然后通过图片、标题等内容以及设计形式来识别有效信息行动 —— 找到后用户想了解详情，点击链接进入这里还以手机百度 APP 智能小程序业务端——创建小程序表单项目改版为例，将设计目标转化为用户行为。step 3 找出关键的数据指标（Metric）依照用户的行为表现，观测对应的数据指标，通过这些可量化、可衡量的数据指标进行数据分析并指导下一步的优化迭代。1. 进入 —— 作为用户进入的页面，在这一步经常发生的问题是退出，往往会产生两个对应的指标a. 作为用户在网站或 APP 的着陆页，用户离开为跳出b. 非网站或 APP 的着陆页，用户离开为退出往往，在这一行为中“跳出”指标可以衡量页面内容传达与用户目的匹配程度，是否符合用户的心理模型，这也是绝大多数网站首页最重要的数据指标之一。2. 发现 —— 用户来到页面中都要先浏览的过程在这一步，设计师关注的问题是页面中的用户视觉流，关键信息能否被用户快速锁定。3. 辨别 —— 当用户发现关键信息后，需要通过识别文字或样式来判断当前的信息是否与自己的目的符合，并决定是否要继续采取后面的点击行动。这里设计师关注的是信息的易识别性，来快速帮助用户做出决策。关于识别性的指标，归纳出 3 点来进行衡量：a.鼠标悬停时间b.后台报错率c.人均点击次数（适用特殊控件，如筛选器等）4. 行动 —— 用户在站内内容的点击“点击”数据是用户行为中最重要的一点。不仅仅是单个页面，用户在站内行为路径分析中，点击是作为路径中一个节点的结束，下个节点的开始。所以我们主要针对图中的“站内分流”进行分析。在首页的分流数据中，作为设计师主要关注两个指标：a.不同内容的点击占比b.其后续路径中的目标转化质量再次回到我们的工作案例中，根据用户行为表现拆分成数据指标。综上所示，通过表单可视化、精准引导、组件升级的方式，完成项目与设计目标，最终改版成功。结语GSM 模型是一种综合数据验证模型，在使用过程中可以结合头脑风暴、市场调研、可行性测试等方式共同使用。更多设计模型：腾讯出品！7 种人机交互设计模型科普众所周知，人机交互是一门集调研，构思，设计和测试为一体的学科。阅读文章 > 欢迎关注作者的微信公众号：「百度MEUX」本篇来源：优设网原文地址：https://www.uisdc.com/gsm-design-model
模型 反射 材质 前言设计师需求中 3D 视觉平移到互动 H5 中的项目越来越多，three.js 和 PBR 工作流的结合却一直没有被系统化地整理。和各位前端神仙一起做项目，也一起磕磕碰碰出了爱与痛的领悟。小小总结，希望 3D 去往 H5 的道路天堑变通途。本手册主要分为两大部分：Part 1 理论篇：主要让设计师了解计算机到底是如何理解和实时渲染我们设计的 3D 项目，以及 three.js 材质和预期材质的对应关系。Part 2 实践篇：基于 three.js 的实现性，提供场景、材质贴图的制作思路、以及 gltf 工作流，并动态讨论项目常常遇到的还原问题。本文主要面向刚接触 3D 图形学的设计师，仅截取了最常用的理论知识和大家一起学习；部分涉及技术美术或计算机图形学的描述可能不甚严谨，希望大家多多交流讨论哈。其实无论 H5 开发用到的是哪种 webGL，设计相关的材质制作基本还是基于 PBR 思路进行的，所以这边建议各位亲可以先去阅读一下 Substance 官方宝册《The PBR Guide》。Part 1 理论篇设计师在还原 3D 类型的互动 H5 项目的时候一定想过这个宇宙终极问题：为什么 H5/Web 实现的 3D 效果和 C4D 里渲染出来的差异那么大？其实这是我们对实时渲染引擎（UE、Unity、three.js 等）和离线渲染工具（Redshift、Octane、Vray 等）的差异存在误解：一是离线渲染工具是基于真实光照环境来计算每颗像素的着色，实时渲染如果要实现这种效果需要耗费更多硬件基础和算力去模拟光照（没个好显卡都开不动光追）。虽然 UE5 的实时渲染技术和硬件兼容性已经让大家大吃一惊，但在实际项目，尤其是需要兼容低端设备的 H5 来说，渲染能力还是相对有限的。二是对于游戏或 H5 互动网站实际应用来说，流畅的互动体验优先级往往高于画面精细度，所以牺牲视觉保性能也是常见情况。图 1-Octane 离线渲染效果 vs three.js 实时渲染效果：材质细节、全局光照及投影、以及抗锯齿表现差距明显当实时渲染效果与设计预期差距过大时，设计师能多了解一些基础的计算机图形学，也许就能更好地和开发同学商讨性价比更高的视觉实现和资源优化方案（以及更多 Battle 的筹码）。1. 着色器与着色算法差异（硬核预警）首先我们要知道计算机之所以能在 2D 屏幕上画出 3D 的图像，是因为有着色器（Shader）在绘制，它将我们三维空间里的模型与光照信息进行转换，并光栅化为二维图像。在计算机图形学中，着色器是用于对图像的材质（光照、亮度、颜色）进行处理的程式。常用的着色器分为四种：像素/片元着色器（Pixel/Fragment Shader）、顶点着色器（Vertex Shader）、几何着色器（Geometry Shader）、细分曲面着色器（Tessellation Shader）。像素/片元着色器与顶点着色器（Vertex Shader）在 webGL 处理过程中都有使用，顶点着色器先将模型中每个顶点的位置、纹理坐标、颜色等信息进行转换装配，再由片元着色器对 3D 信息光栅化并转换成 2D 屏幕信息。（关于着色器差异，感兴趣的同学可以直接跳到附录查看。）着色器是怎么把顶点中所带有光照、纹理等信息转换并重建在二维图像的像素中呢？GPU 中是透过不同的着色算法来实现的。一种是获取每个三角形的插值（Interpolate）来实现，这种方法称作 Per Vertex Lighting，但是当三角型很大的时候，插值往往不够精准。此时还可以引用另一种方法 Per Pixel Lighting，计算每个像素的光照信息，获得更好的渲染效果，但是往往也带来更大的计算量。一般常见计算机图形着色算法有三类：Flat Shading、Gouraud Shading、Phong Shading。这些算法虽然看起来和我们设计师没啥关系，但事实上在后面了解 three.js 材质时，就会发现他们在呈现时的差异。图 2-Flat、Gouraud、Blinn-Phong 着色法比较 [ F1, ©️Stefano Scheggi ]平直着色法 Flat Shading这种着色法认为模型中所有面都是平的，同一个多边形上的任意点的法线方向都相同。着色时，会优先选择多边形的第一个顶点或三角形的几何中心计算颜色。这种着色法实践上的效果很像低面模型，也比较适合使用在高速渲染的场景。值得注意的是，这种着色法难以做出平滑高光效果。高洛德平滑着色法 Gouraud Shading这是一种平滑的着色方法，在着色时会先计算三角形每个顶点的光照特性，利用双线插值去补齐三角形区域内其他像素的颜色。这个着色法比起平直着色法增加了插值的细节，而且也比 Phong 着色法渲染单个像素的光照特性的性能要高。但是在渲染高光时，可能会因为无法获取精确的光照值而出现一些不自然的过渡（或 T 型连接容易被错误绘制），此时可以考虑对模型进行细分或使用漫反射材质。Phong 平滑着色法 Phong Shading与 Gouraud Shading 不同的是，它会对顶点的法线进行插值，并透过每个像素的法向量计算光照特性。这种做法能绘制出精致、精准的曲面，但是计算量较大。Blinn-Phong 是 Phong 的进阶版，着色性能更好，且高光弥散更自然。2. 基本光照模型 Illumination Model简单了解计算机如何绘制 3D 图形后，再来看看它要如何具体理解我们所设计的 3D 场景。3D 转换成 2D，也就是 3D 栅格化的过程中，每一个像素的颜色是需要基于它所在的环境计算出来，而基于被渲染物体表面某个点的光强度计算模型就被称为光照明模型（Illumination Model）或光照模型（Light Model），透过计算光照模型所得到表面位置对应像素颜色的过程被称为表面绘制（Surface Render）。*请注意这里说的光照模型并不是指设计师理解的 3D 立体模型，而是指模型对象表面光照效果的数学计算模型。影响光照模型的因素有两大方面，一是本身给渲染物体材质设置的各种光学特性（颜色反射系数、表面纹理、透明度等），二是场景中光源光及环境光（场景中各个被照明对象的反射光）。传统光照模型都是对漫反射和镜面反射的理想化模拟，如果要还原基于真实物理世界的效果，光照模型需要遵循能量守恒定律：一个物体能反射的光必然少于它接受的光。在实践层面则表现为，一个漫反射更强且更粗糙的物体会反射更暗且范围更大的高光，反之亦反。图 3-基于 PBR 的光照模型需要遵循能量守恒定律 [ F2, ©️Joe Wilson ]光照模型与着色组合在不同的渲染需求下也会有不同的应用：真实感渲染（Photorealistic Rendering）：目的是基于真实物理世界对 3D 场景进行仿真还原。非真实感渲染（Unphotorealistic Rendering）：也被成为风格化渲染（Stylistic Rendering），会更抽象化地对模型进行重绘。图 4-真实感渲染及非真实感渲染对比 [ F3, ©️Autodesk ]真实感渲染 Photorealistic Rendering考虑到真实感渲染对硬件的依赖，目前 webGL 中使用的一般以简单的局部光照模型为主（只计算光源对物体的光照效果，不计算物体间的相互影响，我们看到的“假反射”通常透过贴图来进行模拟），根据反射形态，经典的光照模型有下列几种：Lambert 漫反射模型：这种模型的粗糙表面（如塑料、石材等）会将反射光从各个方向反射出去，而这种光反射也称为漫反射。理想的漫反射体我们通常称作郎伯反射体（Lambertian Reflectors），也就是我们熟悉的橡胶材质。图 5-漫反射模型与其他光照模型对比 [ F4, ©️ViroCore ]Phong 镜面反射模型：这是一种以实验及观察为合成基础的非物理模型。它的表面反射同时结合了粗糙表面漫反射和光滑表面镜面反射，但 Phong 模型在高光处的表现有过渡瑕疵。图 6-Phong 镜面反射模型视觉构成 [ F5 ]Blinn–Phong 模型：是在 OpenGL 和 Direct3D 里默认的着色模型，一种调优后的非物理的 Phong 模型，顶点间的像素插值使用 Gouraud 着色算法，比 Phong 着色算法性能更好，而且高光效果也更平滑。图 7-Phong 及 Blinn-Phong 镜面反射模型对比 [ F6 ]Cook-Torrance/GGX 光照模型：如果你用过 C4D 的默认渲染器，那么一定在材质的反射通道设置中见过它俩。这是相对高级的光照模型，不同于 Phong 和 Blinn-Phong 模型仅仅对漫反射及镜面反射进行理想化模拟，这两个光照模型基于不同物理材质加入了微表面（Microfacet）的概念，并考虑到表面粗糙度对反射的影响，对镜面反射进行了调优，使得高光的长尾弥散更加自然，也是目前 PBR 渲染管线（Unity、UE）中较常用的光照模型。图 8-Phong、Blinn-Phong 与 GGX 镜面反射模型对比 [ F7, ©️ridgestd ]次表面散射模型 Subsurface scattering/SSS：终于有一个设计师们常见的概念了。次表面散射是指光穿透不透明物体时（皮肤、液体、毛玻璃等）的散射现象。现实生活中，大部分物体都是半透明的，光会先穿透物体表面，继而在物体内被吸收、多次反射、然后在不同的点穿出物体。以皮肤为例，只有大概 6%的反射是直接反射，而 94%的反射都是次表面散射。BSSRDF（双向次表面反射分布函数）是用于描述入射光在介质内部的光照模型，目前也被应用在最新的虚拟角色皮肤实时渲染中；但由于 SSS 材质的计算需要依赖深度/厚度数据，所以 webGL 对这种高级光照效果的还原程度还是相对有限的。图 9-Unity 中模拟次表面散射光照模型效果 [ F8, ©️Alan Zucconi ]非真实感渲染 Unphotorealistic Rendering也就是我们常说的 3 渲 2，非写实渲染风格也是从人们对 3D 场景套以 2D 绘画或自然媒体材质需求而演化过来的。因此非写实渲染技术实际上是不同光照模型+不同着色处理共同作用的风格化输出，目前也被大量应用在动画及游戏中，像《英雄联盟：双城之战》《蜘蛛侠：平行宇宙》都是顶级三渲二大作。图 10-在不同通道中混合应用真实感渲染及非真实感渲染效果 [ F9, ©️Polygon Runway]Cel Shading/Toon Shading:卡通着色，一种最常见的以 3D 技术模拟扁平风格的着色形式，通常以极简的颜色、渐变及明确的外框线等漫画元素作为风格特征。图 11-Blender 中不同类型的 Toon Shader 效果 [ F10, ©️Blendernpr]日本创意编程师 Misaki Nakano 制作了一个非常有趣的 Toon Shading H5 互动页面，大家可以体验一下不同着色形态下非常模型的视觉表现。点击体验： https://mnmxmx.github.io/toon-shading/dst/index.html图 12-Misaki Nakano 的 Toon Shader 互动网站 [ F11, ©️Misaki Nakano]Customized Shading：目前越来越多渲染器可支持设计师及工程师根据项目需求对着色进行定制化处理，以产出更具风格化和艺术化的着色效果。例如工业界插画常用的冷暖着色（Gooch Shading），以及更具绘画质感的素描着色（Hatching）及油画水墨画等自然媒体着色，都已经深入到了我们日常的创作之中。图 13-在 Unity 中，基于真实感渲染的贴图效果与 NPR 水墨风格化着色效果对比 [ F11, ©️邓佳迪]3. Three.js 材质着色对比说完真实感与非真实感渲染差异后，我们再来看看 Three.js 中的材质。和许多渲染引擎一样，除了原生材质外，webGL 的材质和着色都是可以根据需求进行定制的，但这往往会也带来较高的开发成本及兼容性风险。考虑到 H5 项目的实际应用场景，下表罗列了 Three.js 原生材质的对比，包含了材质特性优势、贴图差异及适用场景，大家可以基于项目需求快速选择并混合使用：图 15 – three.js 材质对比表4. 色彩描述与管理 Color Space虽然着色、光照模型以及材质渲染对 3D 表现有着最为直观的影响，但 3D 工作流仍有一个隐秘而关键的环节——色彩管理。真实世界中按照物理定律，如果光的强度增加一倍，那么亮度也会增加一倍，这是线性的关系。理想状态下，像素在显示屏上的亮度也应为线性关系，才能符合人眼对真实世界的观察效果（如图 b：横坐标为像素的物理亮度，纵坐标为像素显示时的实际亮度）。但是显示器的成像由于电压的影响，导致输出亮度与电压的关系是一个亮度等于电压的 1.7-2.3 次幂的非线性关系，这就导致了当电压线性变化时，亮度的变化在暗处转换时变慢，如果显示器不经过矫正，暗部成色也会整体偏暗（如图 c）。目前大多数显示器的 Gamma 值约为 2.2，所以也可以理解 Gamma2.2 是所有显示器自带的一个遗传病。图 15-红色上曲线=Gamma0.45=sRGB Space；绿色下曲线=Gamma2.2=显示器真实成像缺陷；蓝色斜线=Gamma1.0=Linear Space 真实物理世界线性关系为了矫正显示器的非线性问题（从图 c 校正回图 b），我们需要对它进行一个 2.2 次幂的逆运算（如图 a），在数学上，这是一个约 0.45 的幂运算（Gamma0.45）。经过 0.45 幂运算，再由显示器经过 2.2 次幂输出，最后的颜色就和实际物理空间的一致了，这套校正的操作就是伽马校正（Gamma Correction）。而我们常见的 sRGB 就是 Gamma0.45 所在的色彩空间，是 1996 由微软与惠普共同开发的标准色彩空间。当照片素材一开始储存成 sRGB 空间，相当于自带一个 Gamma0.45 的遗传病抗体，当它被显示器显示时，就自动中和了显示器 Gamma2.2 的缺陷，从而显示出与物理世界相符的亮度。另一个校正原因是因为人眼在接受光线时的敏感度也不是线性的，人对于暗部的感知更敏感，对高亮区域感知较弱，而且人眼感知光强度与光的物理强度也刚好是对数关系。为了在暗部呈现更多人眼可感知的细节，Gamma0.45 的色彩空间中（如图 a），像素的实际亮度也会高于它的物理亮度。图 16-人眼感知光强度与发射光真实物理强度对比上面那一大段确实有点绕，但也就说回来为什么建议渲染时使用线性空间（Linear Space）了。因为在计算机图形中，着色器的运算基本上都是基于物理世界的光照模型来保证渲染真实性的，如果模型的纹理输入值是非线性的（sRGB），那么运算的前提就不统一，输出的结果自然就不那么真实了。而在大多数工作流及渲染软件中，大部分贴图资源都是默认输出 sRGB 的（设计师作图环境一般也在 sRGB，所见即所得），而法线贴图、光线贴图等纹理（纯数值类纹理，只用于计算）又是 Linear 的，这个部分就需要我们根据渲染引擎本身的特性，来判断是否需要对不同的贴图进行不同的“去 Gamma 化”处理了（WebGL、Unity、Octane 等）。将所有贴图进行去 Gamma 化，统一为 Linear 空间后，再在渲染输出时由引擎统一进行 Gamma 校正，这个时候在显示屏里显示的就是接近真实世界的效果了。更多色彩空间的实际效果比较，大家可以看下 Unity 的文档：《Linear/Gamma 渲染比较》：https://docs.unity3d.com/Manual/LinearRendering-LinearOrGammaWorkflow.html回到 H5 所用的 Three.js，它的着色器计算也是默认在 Linear 空间，如果最终渲染时不转化为 sRGB，在设备显示时可能会造成色彩失真。在 three.js 中色彩管理的工作流会根据导入模型 Asset 的差异而有所不同，如果贴图与模型是分别导入场景，则建议可尝试以下流程：1. 输入贴图数据 sRGB to Linear: 含色彩的贴图（基础材质、环境、发光）设编码为 sRGB（texture.encoding = sRGBEncoding），或将渲染设置 renderer.gammaInput 设为 True，可将原为 sRGB 的贴图转换为 Linear，而原纯数值类贴图（法线、凹凸等）仍旧保持 Linear；这一操作可保证贴图输入数据的正确性与统一性。2. 刷新材质：当材质编码类型被修改后，需要设置 Material.needsUpdate 为 True，以重新编译材质。3. 输出渲染 Linear to sRGB: 校正渲染输出值的 Gamma：renderer.gammaOutput = true; renderer.gammaFactor = 2.2；以供显示屏正确显色。《Part1-理论篇》就先告一段落啦，如果你偶发失眠，建议可以反复咀嚼延伸阅读的内容。《Part2-实践篇》会继续完善 three.js 场景、材质贴图的制作思路、以及 gltf 工作流，并动态讨论项目常常遇到的还原问题。2022，咱们需求再见。附录1. 着色器差异像素着色器 Pixel Shader也称为片元/片段着色器（Fragment Shader）, 为二维着色器。它记录了每一个像素的颜色、深度、透明度信息。最简单的像素着色器可用于记录颜色，像素着色器通常使用相同的色阶来表示光照属性，以实现凹凸、阴影、高光、透明度等贴图。同时，他们也可以用来修改每个像素的深度（Z-buffering）。但是在 3D 图像中，像素着色器可能无法实现一些复杂的效果，因为它只能控制独立的像素而并不含有场景中模型的顶点信息。不过，像素着色器拥有屏幕的坐标信息，可以依据屏幕或邻近像素的的材质进行采样并增强，例如，Cel Shader 的边缘强化或一些后期的模糊效果。顶点着色器 Vextex Shader是最常见的 3D 着色器，他记录了模型每个顶点的位置、纹理坐标、颜色等信息。它将每个顶点的 3D 位置信息转换成 2D 屏幕坐标。顶点着色器可以处理位置、颜色、纹理的坐标，但是无法增加新的顶点。几何着色器 Geometry Shader是最近新兴的着色器，在 Direct3D 10 和 Open GL3.2 中被引用。这种着色器可以在图元外生成新的顶点，从而转换成新的图元（例如点、线、三角等），而优势也是在于可以直接在着色中增加模型细节，减低 CPU 负担。集合着色器的常用场景包括点精灵（Point Sprite）生成（粒子动画），细分曲面，体积阴影等。细分曲面着色器 Tessellation Shader在 OpenGL4.0 和 Direct3D 11 中出现，它可以在图元内镶嵌更多三角体。为传统模型新增了两个着色步骤（一是细分控制着色，又称为 Hull Shader，二是细分评估着色，又称为 Domain Shader），两者结合可以让简单的模型快速获得细分曲面。（例如，含细分曲面效果的模型加上置换贴图就可以获得极其逼真细腻的模型）2. 一些术语的简单理解GL: Graphics Library, 图形函数库。webGL：Web Graphics Library，Html 5 可接入的 3D 绘图协议/函数库，可以为 H5 Canvas 提供 3D 渲染的各类 API。Z-Buffering：深度缓冲，3D 图像在渲物体的时候，每一个生成的像素的深度会存储在缓冲区中。如果另一个物体也在同一个像素中产生渲染结果，那么 GPU 会比较两个物体的深度，优先渲染距离更近的物体，这个过程叫做 Z-Culling。当两个物体靠很近的时候（16-bit），可能会出现 Z-Fighting，也就是交叠闪烁的现象，使用 24 或 32bit 的 Buffer 可以有效缓解。Rendering Pipeline：渲染管线/渲染流水线/像素流水线，为 GPU 的处理工作流，是 GPU 负责给图形配上颜色的专门通道。管线越多，画面越流畅精美。图 17-渲染管道细节工作流 [ F12 ]Rasterization：光栅化/点阵化/栅格化，就是将管线处理完的图元转换成一系列屏幕可视的像素，过程包括：图元拼装（Primitive assembly）-三角形遍历（Triangle Traversal）- Pixel Processing-Merging。3. 参考文献[1] Hearn, D. and Baker, M.P., 2004. Computer graphics with OpenGL, 计算机图形学第四版 . Upper Saddle River, NJ: Pearson Prentice Hall,.[2] Akenine-Möller, T., Haines, E. and Hoffman, N., 2019. Real-time rendering. Crc Press.[3] 锐萌瑞, 经典光照模型（illumination model）https://blog.csdn.net/qq_34552886/article/details/79089418[4] Krishnaswamy, A; Baronoski, GVG (2004). “A Biophysically-based Spectral Model of Light Interaction with Human Skin” (PDF).[5] List of Common Shading Algorithm：https://en.wikipedia.org/wiki/List_of_common_shading_algorithms[6] 0 向往 0, 剖析 Unreal Engine 超真实人类的渲染技术 Part 1 – 概述和皮肤渲染https://www.cnblogs.com/timlly/p/11098212.html[7] 毛星云, 「《Real-Time Rendering 3rd》 提炼总结」(十) 第十一章 · 非真实感渲染(NPR)相关技术总结https://zhuanlan.zhihu.com/p/31194204[8] 卜噪大仙，局部光照模型杂记「Lambert/Phong/Blin-Phong/BRDF/BSSRDF/Cook-Torrance」https://www.jianshu.com/p/96ca495669d6[9] puppet_masterm, Unity Shader-Matcap（材质捕获）https://blog.csdn.net/puppet_master/article/details/83582477[10] WestLangley, documentation on gamma correction incorrect? #11110https://github.com/mrdoob/three.js/issues/11110[11] donmccurdy, Best practise for color managementhttps://github.com/aframevr/aframe/issues/3509https://github.com/mrdoob/three.js/issues/11337#issuecomment-440795075[12] alteredq, Questions about the use of Gamma Correction in the WebGL Renderer #1488https://github.com/mrdoob/three.js/issues/1488[13] Friksel, What’s this about gammaFactor?https://discourse.threejs.org/t/whats-this-about-gammafactor/4264/3[14] PZZZB，Linear Space Lightning、Gamma、sRGB 详情讲解：https://zhuanlan.zhihu.com/p/66558476[15] Learn OpenGL, Gamma Correctionhttps://learnopengl.com/Advanced-Lighting/Gamma-Correction[16] 柯灵杰，3D 图形学基础：https://zhuanlan.zhihu.com/p/27846162[17] Klayge 游戏引擎，关于 D3D11 你必须了解的几件事情（三）http://www.klayge.org/?p=1404[18] 拓荒犬, GPU 渲染流水线简介https://zhuanlan.zhihu.com/p/61949898[19] Steve Baker, Learning to Love your Z-buffer.https://www.sjbaker.org/steve/omniv/love_your_z_buffer.html[20] Steve Baker, Alpha-blending and the Z-buffer.https://www.sjbaker.org/steve/omniv/alpha_sorting.html[21] Microsoft, Direct3D 11 Graphics-Tessellation Stageshttps://docs.microsoft.com/en-us/windows/win32/direct3d11/direct3d-11-advanced-stages-tessellation#domain-shader-stage[F1] Stefano Scheggi, Flat shading vs. Gouraud shading vs. Blinn-Phong shadinghttps://www.youtube.com/watch?v=VRw3GuVdldo[F2] Joe Wilson, Physically-Based Rendering, And You Can Too!https://marmoset.co/posts/basic-theory-of-physically-based-rendering/[F3] Autodesk, Apply Visual Effectshttps://download.autodesk.com/us/mudbox/help2011_5/index.html?url=./files/WS1a9193826455f5ff5cf1d02511b1d000978-6b44.htm,topicNumber=d0e8759[F4] Virocore, Lighting and Materialshttps://virocore.viromedia.com/v1.0.0/docs/3d-scene-lighting[F5] Wikipedia, Phong Reflection Modelhttps://en.wikipedia.org/wiki/Phong_reflection_model[F6] Wikipedia, Blinn–Phong reflection modelhttps://en.wikipedia.org/wiki/Blinn%E2%80%93Phong_reflection_model#cite_note-4[F7] Ridgestd，从 Microfacet 到 GGX 反射模型http://ridgestd.github.io/2019/03/18/ggx-shader/[F8] Alan Zucconi, Fast Subsurface Scattering in Unity (Part 2)https://www.alanzucconi.com/tag/sss/[F9] Polygon Runway, Toon Shading Tutorial for Blender 2.8 with Commentaryhttps://www.youtube.com/watch?v=kriKwtzZWFg[F10] Blendernpr, Basic Toon Shaders with Blender http://blendernpr.org/basic-toon-shaders-with-blender-internal/[F11] 邓佳笛，在 Unity 进行水墨风 3D 渲染的尝试， https://zhuanlan.zhihu.com/p/25346977[F12] Wikipedia, Graphics_pipeline， https://en.wikipedia.org/wiki/Graphics_pipeline硬核干货！各路专家编制+腾讯翻译的《PBR指引手册》（二）万物皆可 PBR， 本手册带你知其然也知其所以然。阅读文章 > 欢迎关注作者微信公众号：「腾讯ISUX」本篇来源：优设网原文地址：https://www.uisdc.com/3d-to-h5-workflow
落霞与孤鹜
飞翔的企鹅
在路上
表哥
张大湿
