国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

寫這篇文章的初衷本來只是打算完成給讀者的一個承諾，講解一下Android 8.0后的應(yīng)用圖標適配?？墒菍懼鴮懼?，發(fā)現(xiàn)安卓現(xiàn)行的圖標適配法則和“Z軸拆分法”十分類似，便由適配法牽扯出了許多相關(guān)話題。希望通過本文，UI同行們能透過手法本身，進行更多的思考。

一、安卓應(yīng)用圖標適配

眾所周知，安卓相較于iOS來說，“建立標準化”一路走來是非常波折的。因為安卓的原始設(shè)備制造商 (OEM) 很多，每一個OEM又希望打造自己獨立的產(chǎn)品特性，這些產(chǎn)品特性注入到硬件設(shè)備和系統(tǒng)軟件等諸多方面，造就了安卓的雜屏現(xiàn)象。

所以我們常說安卓“雜屏”，可不僅僅指安卓設(shè)備物理像素、倍率繁多等方面，還有軟件與各類系統(tǒng)適配的問題。這些問題在近幾年其實已經(jīng)得到了諸多改善，國內(nèi)小米的創(chuàng)始人雷布斯就為設(shè)備的標準化做出了不小的貢獻。而Google也一直在致力于解決軟件標準化的問題，應(yīng)用圖標的適配就是其中一個方面。

Material Design 規(guī)范中倡導(dǎo)：對于安卓應(yīng)用圖標，自Android O（Android 8.0）版本開始，應(yīng)用程序設(shè)計者應(yīng)提供一套標準化文件。

文件應(yīng)包含：

• 前景層.svg文件：圖標主視覺區(qū)域 72dp*72dp ；最終輸出尺寸 108dp*108dp；
• 背景層.svg文件：最終輸出尺寸 108dp*108dp。

可能聽起來讓你有些一頭霧水，一個圖標還要拆分輸出前景層、背景層，什么鬼？下面我來講解一下原因。

前面我們說到，不同的OEM的系統(tǒng)視覺規(guī)范不同，對于桌面應(yīng)用圖標，有些OEM出廠設(shè)備是顯示方形，有些OEM出廠設(shè)備是顯示圓形。如果不采用一套標準輸出應(yīng)用圖標的規(guī)范，圖標很可能會被OEM所提供的形狀蒙層裁剪到主體部分。

并且從Android 8.1版本開始，安卓引入了圖標的視差和脈動效果。

如何讓設(shè)計者只需提供一套圖標文件，就自動適配解決前面的這些問題呢？

MD選擇將應(yīng)用圖標的前景層與背景層分離。

UI需提供給安卓開發(fā)人員兩個圖層.svg文件：前景層尺寸為108dp*108dp，但主視覺區(qū)域為72dp*72dp；背景層尺寸為108dpx108dp，僅包含背景圖層。

最后根據(jù)各個不同OEM提供的蒙層遮罩，自由適配不同的圖標視覺樣式。

這樣也就可以調(diào)節(jié)控制前景層與背景層不同的偏移距離，形成視差效果。

看看MD官方展示的最終效果：

這就是MD規(guī)范為OEM安卓桌面圖標差異性提供的解決方案。盡管MD官方并沒有對這種制圖手法給出一個官方的名稱，但這種手法與“Z軸拆分法”十分類似，并且常被應(yīng)用在設(shè)計體系當中。

二、Z軸拆分法——機器作圖的基本邏輯

記得阿里剛推出機器作圖AI產(chǎn)品“鹿班”的時候，設(shè)計師們紛紛表示感受到了人工智能帶來的威脅。

AI機器作圖的智能性不用多說，它可以根據(jù)產(chǎn)品分析、文案分析等手法，瞬間造出千萬張適用于不同應(yīng)用場景中的圖片。并且它還能夠不斷學習，越來越符合主流審美，簡直不要太玄乎。

后期人工智能會強大到什么地步，我們不討論，但實際上此類機器作圖的基本邏輯就是運用的“Z軸拆分法”。

我們看一看京東的人工智能作圖產(chǎn)品“羚瓏”的設(shè)計規(guī)則：

實際上人工智能都是提前被錄入了一套設(shè)計公式，設(shè)計者將一張圖片的Z軸結(jié)構(gòu)拆分為裝飾、背景、前景、文字、按鈕等，AI通過篩選、搭配每一層的元素的樣式，最終堆疊生成為合理的設(shè)計成品。

三、我們可以用Z軸拆分法做什么

Z軸拆分法法其實已經(jīng)不算新鮮了，我在網(wǎng)上找了一些案例。

Z軸拆分法的優(yōu)點就在于，它容易形成模塊規(guī)范，有助于模塊批量化生產(chǎn)。

我們知道，團隊里每一個設(shè)計師的審美與平面能力不同，同一個模塊的設(shè)計，按照不同的理解，大家可以做出五花八門的設(shè)計。就算是讓同一個設(shè)計師來做，也可能因為不同時間的不同想法，產(chǎn)生不同風格的作品，這個創(chuàng)作過程是非常消耗時間和精力的。

并且……作為UI，我必須承認，有時候錙銖必較一些視覺工作，可能對于業(yè)務(wù)和增長來說，并不能起到多少的作用。

而使用了Z軸拆分法后，會提升模塊作圖的統(tǒng)一規(guī)范性與效率。

所以Z軸拆分法可以被用于模塊批量化生產(chǎn)作圖的場景當中，也正是因為“模塊批量化”的特征，導(dǎo)致人工智能作圖鉆了UI設(shè)計師的空子。

四、Z軸拆分法讓你感到輕松還是焦慮？

Z軸拆分法簡單來說就是，將模塊批量化的作圖場景，在Z軸上拆分為多個結(jié)構(gòu)，替換每一個結(jié)構(gòu)的元素，可以搭配出各式各樣的規(guī)范化設(shè)計成品。讓設(shè)計師在作圖過程中，減少思考成本，提升作圖效率。

那么我有一個問題，學會了這個方法，你感到輕松還是焦慮呢？

有一些設(shè)計師可能覺得，掌握了這個方法，或多或少可以讓自己在美工的道路上減輕一些負擔；有一些設(shè)計師可能覺得，這是沒有靈魂的批量化生產(chǎn)過程，這樣的設(shè)計師以后一定會被人工智能淘汰吧…

借用京東“羚瓏”團隊的一段話：

如果把作圖工作給到機器學習，它會按照錄入的邏輯，搜索合適的素材和配色，按照規(guī)則進行組合。而我們的設(shè)計師，則回憶起場景中的聲音、景象、氣味、觸感和味道，并把這些感受進行視覺表達，使得每一個人在看到后都有所觸動。這是很長一段時間機器設(shè)計所無法做到的共情。

前面我說，正是因為“模塊批量化生產(chǎn)”，導(dǎo)致人工智能作圖鉆了UI設(shè)計師的空子。但沒有一個體系是完全沒有漏洞的，想要不被人工智能所取代，我們也要反鉆人工智能的空子，因為機器是無法像人一樣擁有共情能力的。

機器學習也許會讓設(shè)計行業(yè)受到一定沖擊，但更加加大了對優(yōu)秀設(shè)計師的過濾。更加警醒我們做UI這一行的同學，不要只聚焦于視覺，我們應(yīng)該更加關(guān)心設(shè)計背后的情感和邏輯，聚焦原理、用戶心理與業(yè)務(wù)這些機器無法解析的場景，才能夠不被智能時代所淘汰。

說了這么多，感覺越扯越遠了。還是一開始的那句話希望通過本文，UI同行們能透過手法本身，進行更多的思考。

作者：UCD耍家；公眾號：UCD耍家（ID：ucdplayer）

本文由 @UCD耍家 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議