CVPR 簡介 (一)

目前在計算機科學的電腦視覺這個領域，最有名的會議(conference)當屬 CVPR 和 ICCV。
CVPR 的全名為 IEEE Computer Society Conference for Computer Vision and Machine Learning，每年舉辦一次，今年(CVPR2009)的地點在邁阿密。

觀察一個conference的投稿論文數目和錄取錄，可以得到一些有趣的資訊。
本年度 CVPR 共有 1464 篇投稿，383 篇錄取，錄取率為 26.2%。(官方統計資料)
首先看錄取率，26.2% 在計算機科學算是比較低的，錄取比較高的會議可以達50%~60%左右。而投稿數反映了這個領域的熱門程度，1464篇算是蠻高的。(參考資料)
綜合高投稿數目和低錄取率，表示這個會議收取的論文品質較高，同時參與的人員也包含許多重要人物。另一方面來說，對於高投稿數目和高錄取率的會議，如ICIP，通常是讓國際研究人員有共同交流的機會，所以錄取的論文好壞兼備。

現代魔鏡 -- 讓電腦判斷你的臉孔吸引力

什麼樣的臉孔是美麗的? 你的臉有多吸引人? 美麗的背後有著怎麼樣的理論基礎，是多年來哲學家、藝術家、以及科學家努力嘗試解答的問題。近年來科學家從機器學習和電腦視覺的角度出發，嘗試以數學模型來分析這個問題。

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。