2006年以色列 Tel-Aviv 大學的 Gideon Dror 教授的研究團隊發表了一篇論文: A Humanlike Predictor of Facial Attractiveness，提出一套方法來評估臉孔的吸引力，是本篇文章所要介紹的。
作者首先請攝影師拍攝 91 位美國白人女性的照片。為了降低複雜的變因，這些女性的年齡、膚色都是相近的。接著由 28 位評審(15名男性、13名女性)來評分，評分的範圍在 1 至 7 分之間，7代表最吸引人。
影像特徵擷取
為了分析臉孔，作者擷取影像中的兩種主要特徵，第一種是五官位置，臉上定義了84個特徵點，分別對應到輪廓、眉毛、眼睛、鼻子、以及嘴巴，可見下圖黑點所示:
第二種特徵紀錄了膚色和頭髮的顏色以及平滑程度，可見上圖方塊所示:
以這兩種特徵為基礎，作者產生了 98 維的向量來表示一張臉，並使用機器學習的技術，利用之前 28 位評審的評分，來學習人類對吸引力的判斷。此後當每一張新的臉孔加入，首先會被轉換為 98 維的向量，然後根據學習的成果來預測吸引力。
實驗分析
1. 電腦能抓住大眾的喜好: 電腦預測出來的吸引力，比起任何單獨一位評審，更接近平均給分。
2. 平均的臉孔比大多數臉孔更具吸引力: 研究人員嘗試結合50張臉孔，產生一張平均的臉，該張臉會比80%的臉更具吸引力。
評論
這個方法有一個小問題:
沒有考慮到髮型的影響。髮型對女性的美麗有著很重要的影響，試看光頭的女性，魅力明顯下降。
Posts
