食物图片研究与 TechCrunch 报道 · 原文 2026-09-04
AI 食物图片：外观和标签怎样影响评价
食物图片看起来别扭，与得知它由 AI 生成，是不同的问题。两项研究分别比较图像外观和来源标签，说明为什么不能仅凭“AI 图片”这一名称判断食欲，更不能直接推断餐厅销量。
研究一：比较不同真实感的图片
2025 年《Appetite》研究让 95 人评价经过挑选的 38 张图片，其中 32 张来自不同真实感的 AI 图，另有 6 张腐败食物图。在这组材料中，畸变的 AI 食物比高真实感和明显风格化的图片更令人不适。高真实感组也来自生成图，不能误写成“真实菜品对 AI 菜品”。
研究先用 12 人的先导试验评价 99 张生成图，再选取 6 张低真实感、20 张畸变和 6 张高真实感图片进入主实验。它有意选出一定范围的刺激材料，参与者主要是居住在德国的德语人群。这种设计适合研究外观与不适感的关系，不能估计所有生成图片的平均效果。
研究二：改变图片的来源标签
另一项 2024 年发表的研究，让 297 位英国参与者评价真实照片与 DALL-E 3 重建图，分为未标注、正确标注和反向标注三组。未告知来源时，AI 图评分更高；正确标注时，整体差异不显著，但超加工食物组的真实照片评分更高。它的数据采于 2023 年 11 月，不能代表今天所有生成模型的表现。
第二项研究使用 15 种食物的照片和对应生成版本，共 30 张图片，评价的是图片看起来是否诱人。两项研究都没有测餐厅订单或实际就餐。制作菜单时，本站建议把“画面是否吸引人”“是否符合实际食材与份量”和“顾客是否愿意点单”分开检查；图好看不能代替出品准确。
重要补充与更正
以下日期是本站修订时间。
- 补充 ·
将两项研究的图片来源、选图过程、样本与标签条件展开，区分图片评价与真实订单。
- 补充 ·
补入两篇原始研究：图片畸变与 AI 标注的影响不同，不能据此断言所有 AI 菜单都会降低食欲。
来源与补充
sourcesEN
来源与补充
- 阅读原文食物图片研究与 TechCrunch 报道
原始摘要与适用说明
两项研究使用有限样本与特定图集，测的是图片评价；没有测餐厅点单、实际就餐或销量，也不能代表所有当前模型与文化环境。
来源与依据 · 4 条链接
逐条说明链接的用途与支持范围。链接数量不代表多方独立验证，“直接支持”也仅限下方写明的内容。
本文选题的报道来源；实验结果分别依据论文。
边界：媒体观察，不是餐厅对照试验。
支持经过挑选的图片中，真实感、畸变与不适感的关系；已读方法和结果。
边界：主要为德国的德语参与者；图集经过先导筛选，不能估计所有生成图的平均效果。
支持真实照片与生成图在不同标注条件下的评价差异；已读研究 2。
边界：英国样本、2023 年生成图与有限食物类别；没有真实点单和销量数据。
资料时间记录
- · 发现这篇资料，来源：TechCrunch AI。
收录记录
首次发现：；本站收录：
收录日期与原文发布日期分别记录。
编辑记录
来源已核对
· 北京时间
将两项研究的图片来源、选图过程、样本与标签条件展开，区分图片评价与真实订单。 保留事件、发现和收录日期。