一篇新研究挑战了传统计算机视觉工具处理政治图像的方式。来自康奈尔大学的Elena Sirotkina在预印本论文《Unpacking the Eye of the Beholder: Social Location, Identity, and the Moving Target of Political Perspectives》中，提出了一个名为“视角主义视觉政治情感分类器”（PVPS）的新型模型。该模型并非给出一个统一的情绪得分，而是预测不同政治和社会身份群体对同一图像的不同反应。
研究者指出，政治学和心理学几十年来早已确认身份影响政治信息评价，但大多数自动化工具仍将图像视为对所有人含义相同。PVPS基于约5,575名美国成年人提供的约82,000次图像评估进行训练，能够输出一个“评估档案”，记录哪些群体同意、哪些分歧以及分歧沿着哪些身份维度展开。该模型保留了系统性分歧，而不是像传统工具那样将其平均化。
为了展示其有效性，Sirotkina将PVPS应用于多个经典的视觉情感研究。结果表明，在抗议图像中，不同身份背景的观众对暴力程度的感知存在显著差异，并且图像引发的情感机制（如愤怒、同情）也因观众身份而改变。例如，同一张抗议照片可能被某些群体视为暴力威胁，而被另一些群体视为正义抗争。传统方法通过平均化掩盖了这些差异，可能导致对公众反应的错误估计，甚至引发政策制定中的偏差。
该研究强调，政治图像的意义是一个“移动靶”——它随观察者的身份而变。测量图像的影响必须知道它正在影响谁。PVPS提供了一种保留而非抹除分歧的工具，为政治传播、媒体分析和视觉社交媒体研究提供了更细致的视角。论文还讨论了未来扩展至视频和文本的可能性，以及伦理考虑，包括如何避免滥用此类预测模型。这项研究发表于2026年5月11日，全文共61页，包含10张图和9张表，属于计算机视觉与模式识别领域。