DEPTH-Stereoscopic depth

Nakayama 以及 Silverman 的實驗驗證了「立體深度」是基本視覺 特徵。此實驗觀察由顏色（color）、運動（Motion）以及立體深度

（stereoscopic depth）所構成的「特徵搜尋」與「結合搜尋」的搜尋回 應時間。實驗的刺激物皆由上述的三個維度中選取兩個來建構，例如 motion-and-color（M-C）、stereo-and-motion（SM）以及 stereo-and-color

（SC）(Nakayama & Silverman, 1986)。

實驗被設計成「特徵搜尋」以「結合搜尋」兩大部分。「特徵搜尋」

調查受測者對單一特徵所界定的目標物進行視覺搜尋是否如 Feature Integration Theory 所預測的會非常快速。例如 M-C 實驗在檢視 Motion

因素時，目標物的移動方向與其他的刺激物不同，而所有的刺激物（包 含目標物）的顏色是隨機選取的。其設計方式如圖 4-72（a）（目標物 為小箭頭所指處，大箭頭表示的是刺激物之移動方向）。

圖 4-72 Nakayama 與 Silverman 實驗的呈現方式(Nakayama & Silverman, 1986) 而在「結合搜尋」的實驗中，目標物需要由兩個視覺特徵來界定。

例如在 M-C 實驗中，干擾物的定義需同時包含 motion 及 color 兩個特 徵，受測者被告知干擾物是「往上移動的紅色物件」或是「往下移動 的藍色物件」；而目標物被定義為「往下移動的紅色物件」或是「往上 移動的藍色物件」，如圖 4-73 所示（黃底色為目標物）

圖 4-73 M-C 結合搜尋作業示意圖

如上述，整個實驗設計成「特徵搜尋」與「結合搜尋」兩個主要 部分，而這兩個主要部份又各自分成三個狀況來加以討論。在建構刺

激物的三個維度中 color 有藍或紅兩種可能；motion 有上或下兩種可 能；stereoscopic depth 有前或後兩種可能。實驗架構如表 4-10。

表 4-10 Nakayama 與 Silverman 的實驗架構(Nakayama & Silverman, 1986)

實驗代號 干擾物 目標物 尋時間對畫面大小的斜率都趨近於零。這提供了 motion、stereoscopic depth 以及 color 都是基本視覺特徵的證據。然而，在結合搜尋方面，

（M-C）的結果符合 Feature Integration Theory 的推論，受測者回應時 間會隨著搜尋項目變多而呈現線性增加。引人注意的是，（SM）與（SC）

的結果卻和 Feature Integration Theory 的推論不同，兩者搜尋時間對畫 面大小的斜率亦都趨近於零（如圖 4-74）。這表示視覺系統在搜尋某 個特定立體深度畫面時，幾乎不受另一個立體深度畫面的干擾。本實 驗結果也支持了注意力有可能集中在某個特定立體深度的觀點。關於 注意力是否能集中在某個特定立體深度，相關研究發現在多數的情況 下是可行的(Atchley et al., 1997)，但在某些實驗卻觀察不出這樣的特性 (Ghirardelli & Folk, 1996)。Paul Atchley 等人的研究認為受測者對搜尋

作業的知覺負載可能是重要的影響因素（perceptual load）(Atchley et al., 1997)。

圖 4-74 Nakayama 與 Silverman 的實驗結果(Nakayama & Silverman, 1986) 雖然在電腦螢幕平面上無法製作出「物理上」具有立體深度差異 的視覺刺激，但是卻能製作出知覺感受上的立體深度。這是因為立體 深度並不僅由雙眼像差形成，亦涉及了我們對物體相互間遮蔽關係的 認識(櫻井正二郎, 1999)。立體深度視覺與「圖層的上下」息息相關，

因此「透明度圖層」（transparent patterns）經常是應用時需考慮的重要 因素。設計時，一個重要的原則是如何讓讀者很容易看到「目標圖層」， 亦即突顯出「目標圖層」與「非目標圖層」的相異性。

表 4-11 Stereoscopic depth 在應用上需考慮的因素

Stereoscopic depth 應用需考慮之因素編碼 說明 3.1.1 DEPTH-Stereoscopic depth-[transparency] 透明度圖層 DEPTH-Stereoscopic depth-[TP：good continuity] 連續性 DEPTH-Stereoscopic depth-[TP：luminance] 明度 DEPTH-Stereoscopic depth-[TP：texture] 質感

許多視覺呈現相關軟體都有透明度與圖層的觀念，例如 Flash、

PowerPoint、Photoshop 等等。藉由此類功能強大的軟體可以讓物件達 到視覺上重疊的效果。然而，認知系統對「透明度圖層」（transparent patterns）的辨認存在許多重要的原則，如「連續性（good continuity）」

(IVRY, 1998)以及圖案內各個組成元素的「明度（Luminance）」(Masin, 2000)。此外，若要達到更理想的圖層辨認，可綜合使用顏色、質感、

移動的差異來增進各圖層的區隔性。

1. 連續性（good continuity）

各個圖層在重疊之交界處若具有良好的邊界連續性，則較容易將 圖層加以區隔。

實例：在圖 4-75 中，（a）內紅色圖層因為具有良好的邊界連續性，

所以很容易和藍色的圖層區隔；（b）內紅色圖層因為邊界不連續，所 以紅色圖層很容易被辨認成兩個不相關的物件（紫色半圓形和紅色長 方形）。

圖 4-75 連續性影響圖層區隔的辨認

2. 明度（luminance）

Masin 指出明度決定透明圖層辨認的三個原則，為便於說明，我們 以圖 4-76（b）為重疊的模式，x 代表左方 L 形之明度，z 代表右方 L 形之明度，y 代表重疊正方形之明度，b 為背景的明度(Masin, 2000)。

圖 4-76 明度大小的順序影響圖層的上下(Masin, 2000)

（1）要形成良好的圖層區隔效果，在上層的物件明度最高，重疊 區域次之，下層物件的明度最低，即圖 4-76（b）之 x< < 。 y z

依此原則，圖 4-76（a）可以形成良好的圖層區隔，而（c）

的圖層區隔效果較差(Ware, 2004)。

（2）若 x< < ，則 y 明度越高，右方淺灰色正方形越容易被辨 y z 認為在左方深灰色正方形的上層（如圖 4-77）(Masin, 2000)。

這是因為中央小正方形的明度越高，就和右方 L 形越相似，

依照格式塔相似原則，越容易引發群化作用而被辨認為整個 右方淺灰色正方形。

圖 4-77 y 明度越高，右方越容易辨認為上層(Masin, 2000)

（3）若 x< < ，且 x、y、z 的明度值都固定，b 越高（背景的 y z 明度越高），則右方淺灰色正方形越容易被辨認為在左方深灰 色正方形的上層(Masin, 2000)。這是因為 b 較低時，右方淺 色 L 形會因較強的對比作用而顯得更白，造成中央小正方形

與左方深色 L 形的相似度提高，進而群化成左方深色正方形；

當 b 較高時，左方 L 形顯得更黑，造成中央小正方形與右方 L 形的相似度提高，進而群化成右方淺色正方形。

圖 4-78 b 明度越高，右方越容易辨認為上層(Masin, 2000)

3. 質感（texture）

（1）兩個互相重疊的個別區域，其質感差異越大時，越容易產生 圖層的感覺。如圖 4-79 所示，隨著構成右下方圖層的線段 寬度增加，整個圖形被辨認為兩個圖層的機率也逐漸增加 (Watanabe & Cavanagh, 1996)。

圖 4-79 個別區域的質感差異影響圖層辨識(Watanabe & Cavanagh, 1996)

（2）重疊區域與周圍的質感差異很大時，會被辨認為獨立的區域 而不容易產生圖層的感覺(Watanabe & Cavanagh, 1996)。如圖 圖 4-80b 中央產生的「十字」重疊會被辨認為獨立的區域。

圖 4-80 重疊區域與周圍的質感差異影響圖層辨識(Watanabe & Cavanagh, 1996)

透明度圖層在教材設計上有兩個用途：

（1） 可以利用立體深度來描述目標物件

如圖 4-81 左圖所示，兩個三角形除了可用「淺灰色、深灰色」加 以描述，亦可以用「上層、下層」來描述。由於明度因素的影響，

淺灰色三角形會被視為上層，深灰色三角形會被視為下層，如此 可增加語言描述時的彈性。

圖 4-81 立體深度可用來描述物件

（2） 可以變更立體深度來指引注意力

若我們在圖 4-81 左圖與右圖交互切換，並把上層物件當作目標物 時，我們可以用立體深度很清楚地分別表達兩個三角形，且不因 重疊區域而混淆。左圖的上層物件是右方三角形，右圖的上層物 件是左方三角形。當我們要講解右方三角形時可切換到左圖，此 時右方三角形會成為最上層物件而突顯出來；若我們要講解左方 三角形時，可切換到右圖，此時左方三角形即會浮現上來而成為 最上層物件。立體深度可以用來指引目標物，尤其是目標物與干 擾物有重疊的部份時，立體深度是一個值得考慮的方法。

圖 4-82 立體深度可用來指引注意力