PICK框架的提出，首次让多模态大模型能像心理专家一样分析绘画作品。它不仅识别画了什么，更能解读画背后的心理状态，为AI在心理学领域的深度应用开辟了新路径，解决了传统模型无法理解主观情绪的难题。
智能速览
PICK框架首次将多模态大模型引入心理绘画分析，实现专家级推理
通过分层解析，从单对象、多对象到全局风格，全面解读画作信息
结合心理学知识库与强化学习，显著提升特征与心理状态的关联准确性
在多项测试中，PICK的心理障碍诊断F1分数平均提升超过10%
未来可应用于教育心理评估、临床辅助诊断与人机交互等领域
精华内容
传统AI模型在理解充满主观情绪的素描绘画时往往力不从心，而PICK框架通过模拟专家的推理逻辑，为这一难题提供了创新解决方案。
AI分析绘画的困境
让AI理解素描绘画并非易事。首先，主流多模态大模型多在色彩、纹理丰富的自然图像上预训练，难以适应信息稀疏的素描。其次，画中元素的心理关联性复杂，并非所有细节都有意义，这给模型理解带来了巨大挑战。最重要的是，模型普遍缺乏心理学专业知识，无法将视觉线索准确映射到具体的心理状态。
PICK框架的三步走
PICK框架模拟了心理专家的分析流程。第一步是输入分解，将整幅画拆解成更小的部分。第二步是多层次分析，针对不同部分采用定制化的分析策略。第三步是综合预测，将所有层面的信息聚合起来，最终生成一个全面的心理状态评估报告。
分层解析的智慧
PICK将画作分解为三个层次进行解读。单对象层关注独立元素，如一棵树的“稀疏枝干”或一间房子的“空置感”。多对象层分析元素间的关系，如“人躺在树旁”所暗示的情绪。整体层则从画风、阴影、笔触等全局特征推断整体心理模式，实现由点到面的立体分析。
知识驱动的精准推理
为了让模型像专家一样思考，PICK构建了一个心理学知识库，汇总了绘画特征与心理状态的对应关系。研究者还训练了一个情绪偏好奖励模型，并采用强化学习策略，动态调整模型对视觉特征的注意力，使其能更精准地捕捉那些与强情绪相关的关键线索，如“敞开的门”或“浓重的阴影”。
超越基准的性能
实验结果表明，PICK框架的性能十分突出。在HTP_College、HTP_Child等多个专业心理绘画数据集上，其诊断准确率全面超越了现有的多模态基线模型。与基础模型相比，PICK在诊断心理障碍时的平均F1分数提升了超过10%，证明了其分析的有效性和可靠性。
PICK框架不仅是一个技术突破，更是AI向主观、细腻领域迈进的重要一步。它证明了通过结构化推理与知识注入，大模型有能力完成过去只有专家才能胜任的复杂任务，未来或将在教育、医疗等场景中，成为辅助人类理解内心的得力工具。
