Son zamanlarda, ObEN'den araştırmacılar, yapay zekanın gözünde "güzellik" üzerine araştırmalar yaptılar. Yapay zekanın yargısı, bazı okulların teorisini doğruluyor gibi görünüyor: görünüş ne kadar kadınsı olursa, görünüş o kadar yüksek olur; saç rengi açısından erkek siyah saç en iyisidir Güzel, sarışın bayan en iyisidir.
İnsanların görünüşü, cinsiyet seçiminden işe almaya ve daha sonra sosyal etkileşim sürecine kadar sosyal faaliyetlerin birçok yönü üzerinde önemli bir etkiye sahiptir ve belirleyici faktörlerden biri görünümdür. Daha çekici yüzlere sahip insanlar daha fazla buluşma fırsatı bulabilir ve onlarla çıkan insanlar daha fazla tatmin alabilir. Toplumun güzellik arayışı giderek aşırı hale geliyor ve itici olmayan insanlar baskı ile karşılaşabilir. Cash ve arkadaşları tarafından yapılan araştırma, daha çekici insanların iş bulma olasılığının daha yüksek olduğunu ve bir şüphelinin ortaya çıkmasının hakimin kararını bile etkileyebileceğini gösterdi.
Yüz güzelliği üzerine yapılan araştırmalar, çoğu insan algısıyla ilgilenen psikologların, filozofların ve sanat bilimcilerinin ilgisini yüzyıllardır çekmiştir. Güzellik nedir? Psikologlar bu soruya çeşitli faktörleri araştırarak cevap vermeye çalışırlar. Simetri ve ortalamadan kişiliğe, dimorfizme kadar çeşitli teoriler vardır.
Şekil 2: Bu makaledeki metodolojiye genel bakış.
Bu makale, psikolojik bulgulara dayanan düşük seviyeli yüz geometrik özelliklerini kullanmamakta, ancak yüz özellikleri (kaş şekli, burun boyutu, saç rengi gibi) ile yüzün çekiciliği arasındaki ilişki üzerine yeni bir araştırma önermektedir. Araştırma, gelişmiş yüz özelliklerinin güzellik değerlendirmesinde önemli bir rol oynadığına inanan Leyvand ve arkadaşlarından esinlenmiştir. Bu makaledeki araştırma, büyük verinin patlaması ve derin öğrenme modellerinin beklentisiyle yürütülüyor. Şekil 2'de gösterildiği gibi, araştırmacılar ilk önce yüz özelliklerinin değerlendirilmesi için derin bir evrişimli sinir ağı kullandılar. Ardından, gerçek görüntüler içeren iki büyük veri kümesine dayalı olarak gelişmiş yüz özellikleri ile güzellik arasındaki ilişkiyi inceleyin ve ardından istatistiksel sonuçlara göre güzellikle ilgili yüz özelliklerini seçin. Araştırmacılar ayrıca sonuçlarını psikolojik bulgularla ilişkilendirdi ve benzerliklerini ve farklılıklarını tartıştılar. Son olarak, yukarıda belirtilen seçilmiş yüz özellikleri, güzelleştirilmiş görüntüler oluşturmak için nesil yüzleşme ağı ile birleştirilir. Güzelleştirilen görüntüler, bu makaledeki ve önceki psikolojik araştırmalardaki araştırmanın doğruluğunu doğrulayan çekici etkiler gösteriyor.
Bu yazının ana katkıları aşağıdaki gibidir:
Özet: Güzellik kavramı hakkında, filozoflar ve psikologlar yüzyıllardır tartışıyorlar, ancak tanımların çoğu öznel ve metafiziktir, doğruluk, evrensellik ve ölçeklenebilirlikten yoksundur. Bu makalede, büyük verilere dayanarak, güzelliği objektif bir şekilde nicel bir şekilde tanımlamaya çalışarak, yüz niteliklerinin güzelliğinin tanımını madencilik üzerine yeni bir çalışma öneriyoruz. Önce yüz özelliklerini çıkarmak için derin bir evrişimli sinir ağı dağıtıyoruz ve ardından bu özellikler arasındaki korelasyonu ve yüz değeri puanlarıyla işaretlenmiş iki büyük veri kümesinde çekiciliği inceliyoruz. Sadece güzelliğin sırlarını istatistiksel anlamlılık testleri ile keşfetmedik, aynı zamanda araştırma sonuçlarımız da mevcut psikolojik araştırmalarla tamamen uyumlu, örneğin küçük burunlar, yüksek elmacık kemikleri ve kadınlık daha çekici. Bu gelişmiş gösterimleri ayrıca bir yüzleşme ağı oluşturarak orijinal görüntüler oluşturmak için kullanıyoruz. Sentezden sonraki güzellik etkisi ikna edicidir ve 10.000 veri noktası içeren bir kullanıcı anketi ile istatistiksel olarak ikna edici bir şekilde doğrulanmıştır.
3 yöntem
3.1 Veri ön işleme
Şekil 4: Görüntü ön işleme örneği ve ilgili öznitelik sonuçları
Görüntü ön işlemeye ek olarak, yüz değeri puanını normalleştirmek de gereklidir, çünkü her görüntü birden fazla kişi tarafından puanlandığında bazı tutarsızlıklar olacaktır. Bu nedenle bu makale, nihai puanı oluşturmak için çoğunluk oylama ve ardından ortalama yöntemini benimser.
3.2 Özellik eğitimi
Şekil 5: Boyut azaltma işleminden sonraki başlangıç modülü.
Şekil 3: Özellik eğitimine genel bakış
3.3 Korelasyon analizi
Normalleştirilmiş güzellik puanını ve 40 yüz özelliğini aldıktan sonra, bir sonraki adım güzelliğin gizemini - yüz özellikleri ile güzellik derecesi arasındaki korelasyonu - keşfetmektir.
3.4 Özellik geçişi
Eğitim oluşturucu G, ayırıcı D'yi aldatır ve ayırıcı D, oluşturulan örnek G (x, c) 'yi gerçek örnek x'ten ayırt etmeye çalışır.
Bu çalışmadaki yüz özelliği göçünün mimarisi, "Stargan: Çok alanlı görüntüden görüntüye çeviri için birleşik üretken karşıt ağlar" ile aynıdır.
Tablo 2: Beauty 799 veri setinde test edilen önemli özellikler.
Şekil 6: Kadın sınıflandırması altındaki alt kategoriler, erkek sınıflandırması altındaki alt kategoriler ve tüm veri seti dahil olmak üzere 10K ABD veri setindeki korelasyon analizi.
Tablo 3: Birleşik veri setinde test edilen önemli özellikler.
Şekil 7: Kullanıcı araştırma sonuçları, bu makalenin hipotezini ve ilgili analizini doğrular.
5 Analiz ve yargı
5.3 Güzel kadın özellikleri
İstatistikler yoluyla sadece objektif bir güzellik tanımı elde etmekle kalmayabiliriz, aynı zamanda kadınsı özelliklerin eril özelliklerden daha çekici olduğu yönünde ilginç bir bulgu da vardır. Psikolojik açıdan, kadın özelliklerinin farklı kültürlerde erkek ve kadın yüzlerinin çekiciliğini artırdığına dair pek çok kanıt vardır. Yoğun makyaj ve ruj gibi özellikler genellikle kadın özelliği olarak kabul edilir. Bu nedenle, istatistiksel sonuçlarımızdan ve psikolojimizden, bu niteliklerin çekicilik üzerinde olumlu bir etkisi vardır. Ek olarak, Erkek adında bir cinsiyet özelliği vardır Derin modelimize bakılırsa, bu tahmin CelebA'da ikna edicidir (% 95 doğruluk). Ancak ilginç bir sonuç bulduk Model sonuçlarında Beauty 799 veritabanındaki bazı kadın resimlerinin erkek olduğu tahmin ediliyor, bu da bu kadınların bazı erkek özelliklerine (erkek eğilimleri) sahip olduğunu ve daha az çekici kabul edildiğini gösteriyor. Ek olarak, korelasyon analizine göre, bu erkeksi özellik çekiciliği azaltacaktır. Bu örnek, olumsuz yönden kadın özelliklerinin çekiciliği artırabileceğini kanıtlıyor.
5.4 Tutarsızlık ve tutarlı tanım
Daha önce de belirtildiği gibi, iki veri seti arasında bazı temel farklılıklar vardır. Bu nedenle, elde edilen tanım sonuçlarında bazı tutarsızlıklar bulunmaktadır. Beauty 799'un sonuçlarına aykırı olarak Amerikalı yetişkinlerin siyah ve sarı saçları tercih ettiğini gördük. Bu fenomen çevresel etkilerden kaynaklanıyor olabilir.Farklı kültürlerdeki insanların saç rengi ve vücut tipi için farklı tercihleri olabilir. Veritabanları arasındaki tutarsızlıkların yanı sıra siyah saç ve kalın kaşların da çekici erkek özellikleri olduğunu gördük ama bu kadınlar için geçerli değil.Siyah saç ve kalın kaşların kadın güzelliği üzerinde olumsuz etkisi var. Bir diğer tutarsızlık ise sarı saçların kadın ve erkeklerin güzelliği üzerindeki etkisidir. Sarı saç, kadınlar için çekici bir özelliktir, ancak erkekler için değil.
İçinde bazı tutarsızlıklar olsa da güzelliğin tanımında bazı ortak yönler de var. Tablo 3, Amerika Birleşik Devletleri üzerinde olumlu veya olumsuz bir etkiye sahip olan nispeten büyük iki veri kümesinin tutarlı özelliklerini özetlemektedir. Örneğin, ağır makyaj, yüksek burun köprüsü ve ruj gibi özellikler çekiciliği (güzelliği) artıracaktır. Aksine, büyük bir burun, erkeksi (kadınlara atıfta bulunarak) ve hafifçe açılan dudaklar çekiciliği olumsuz etkileyecektir.
Kaynak: Heart of the Machine
(Bu makale bir ağ alıntı veya yeniden basımdır, telif hakkı orijinal yazara veya yayın medyasına aittir. Çalışmanın telif hakkına dahilseniz, lütfen bizimle iletişime geçin.)