虽然没有看到自适应指导在CSI上与静态指导有显著差异，但是很多参与者认为该指导使他们产生了更多的想法，激励他们去探索，因此更具有创造力 。
少数人认为网格使他们更专注于对齐而非创意 。
参与者使用该工具对构图更有信心 。
无指导和自适应线的比较
作者的总结性研究并没有直接比较无指导和自适应指导 。所以这里的结果是将总结性研究的适应性界面结果与形成性研究的无指导性结果进行了比较 。要注意的是，这些结果只能暗示我们在不同人群之间进行比较时的相关性，而这两个人群都没有同时看到这两种情况 。在这里，作者发现了与静态成分指导相似的结果，而形成性研究没有提供指导 。
自适应指导提高了参与者对构图照片的信心，与没有指导相比，适应性指导还具有较高的CSI，并且具有相同的创造力因素，也大大改善了：探索，值得努力的结果和享受（见表1） 。
用户情景
作者发现了使用静态和自适应指导的一些常用方式，这里给出了两种用户情景 。
在旅行中，一个用户想要拍摄艺术照 。她打开相机中的工具并浏览风景为了获取更有意思的构图 。
静态情景：用户在扫描空间时会检查所有网格线 。她最终注意到两条垂直的三分之二线与结构的各个部分非常吻合，因此决定尝试这种想法 。她稍微调整摄像机，以将前景对象放置在右下三分之二的交点处 。她水平/垂直移动相机，将对象放置在不同的交点以测试一些构图 。她选择了一个，保持垂直对齐，然后拍照 。她抓住了这个想法，并继续在空间中寻找不同的想法 。自适应情景：用户在扫描空间时遵循突出显示的网格线 。垂直的三分之二的线条亮起，与结构的各个部分很好地对齐，她决定尝试这种想法 。在调整摄像头以将前景对象放置在右下三分之二的交点时，她会注意到一条不同的线高光 。拍照后捕捉她当前的想法后，她决定尝试与这条新突出显示的线对齐，并拍摄另一张照片 。同样，新行突出显示，使她注意到与以前从未见过的结构保持一致，这给了她另一个想法 。局限性和未来的工作
1、启发式算法 。到目前为止，作者已经基于（仅基于）显着区域的构图指导思想构建系统 。由于构图的最终目标是实现某种视觉平衡（或缺乏视觉平衡），因此考虑其他高级提示会很有趣 。作者探索了在算法中使用边缘检测的方法，但这并没有提高一致性，也使得对结果的理解更加困难 。因此，作者选择为参与者选择一个更简单的心理模型，以便更好地研究本文的交互作用 。由于在实验中观察到参与者在许多情况下都与边缘对齐，因此作者有兴趣在将来的迭代中进一步追求这一方向 。
2、界面定制 。参与者表示有兴趣对构图网格线的集合进行更多控制 。例如，有人提到要表达个人的风格偏好，而有人提到设置特定的模板覆盖图来约束或匹配给定的构图 。通过交互选择线或使用当前的启发式方法自动从图像中提取模板，可以轻松集成此功能 。这些建议加强了这种心理模型的实用性，并增强了它作为一种互动工具的参与度 。
3、其他应用程序 。除了相机内的指导外，自适应构图线可能对交互式裁剪工具很有用 。同样，适当的显着性模型与其他网格系统结合可以在图形设计工具中提供类似的体验 。感兴趣的其他领域包括基于构图的图像检索以及图像的其他在感知上有意义的分析 。
结论
构图是摄影中的重要部分，学习构图可以使用使用构图网格 。许多相机提供范围内的构图网格的覆盖，然而对于构图网格是否适应一个易获取和掌握的心理模型仍然缺乏支撑 。作者发现，新手在注释他们相对于此类网格的构图方面相对一致 。作者还发现，在相机上进行此类指导可以帮助用户感到更加自信和创意 。