最近，来自 ObEN 的研究人员就对 AI 眼中的“美”进行了研究，人工智能的判断看起来印证了一些学派的理论：

长相越女性化颜值越高；在发色方面，男性黑发最好、女性金发最好。

图1

图 1：在每个图像对中，哪张（左或右）更有吸引力？模型提取与吸引力相关的正面/负面特征，并在不同的身份之间合成特定的高级面部特征。在每个示例中，左边是原始图像，右边是加工后的图像（从左到右：小鼻子/大鼻子，男性化/女性化，未化妆/已化妆，年轻/年长）。研究者通过用户研究进一步调查和验证了美貌的定义。

颜值社会学

人们的颜值对于社会活动的很多方面都有重要影响，从两性选择到招聘，再到社会交往过程中，颜值都是决定性的因素之一。

面部更具吸引力的人可以获得更多的约会机会，而与他们约会的人也可以获得更多的满足感。社会对于美的追求正变得愈发极端，缺乏吸引力的人可能会面临压力。

研究表明，吸引力更高的人更可能找到工作，犯罪嫌疑人的颜值甚至能影响到法官的决定。

几个世纪以来，对于面部美的研究引起了心理学家、哲学家和艺术学家的兴趣，其中大多数人关注人类的感知。

关于美，心理学家VS科学家

美是什么？

心理学家通过调查各种因素来试图回答这个问题。从对称和平均，到人格，再到两性异形，各种理论不一而足。

尽管此事已在心理学界有了广泛的研究，但计算机对于美会有什么样的理解？

随着数码相机和社交媒体的普及，图像在社会中有了更多应用，各种美颜技术层出不穷，其中大多数依赖于过去的心理学发现。

用人工智能分析颜值

最新的科学论文没有使用基于心理学发现的低级面部几何特征，而是提出了一种关于面部特征（如眉毛形状、鼻子大小、头发颜色）与面部吸引力之间相关性的新研究。

科学家认为高级面部特征在美貌评估中起着重要作用，受到大数据爆炸和深度学习模型前景的驱动。

研究者首先部署了一个深度卷积神经网络来进行面部特征评估。

然后根据两个含有真实图像的大型数据集研究高级面部特征和美貌之间的相关性，再根据统计结果选择与美貌相关的面部特征。

研究者进一步将其结果与心理学发现联系起来，并讨论其异同。

最后，将上述挑选的面部特征与生成对抗网络相结合，以生成美化后的图像。

美化图像展示出吸引人的效果，验证了人工智能研究的准确性。

分析判断

美女的特征

我们不仅能够通过数据统计得出关于美的客观定义，而且还有一个有趣的发现，女性化特征被认为比男性化特征更有吸引力。

从心理学的角度来看，有大量证据表明女性特征增加了不同文化中男性和女性面孔的吸引力。浓妆和口红等特征通常被认为是女性的特征。

因此，从我们的统计结果和心理学来看，这些属性对吸引力有积极的影响。

科学家发现了一个有趣的结果，一些来自 Beauty 799 数据库的女性图像在模型结果中被估计为男性，这表明这些女性有一些男性特征（男性倾向），并且她们被认为不太有吸引力。

此外，根据相关性分析，这种男性化属性会降低吸引力。这个例子从反面证明了女性特征可以增加吸引力。

不一致以及一致的定义

正如之前所提到的，两个数据集之间有一些本质的区别。因此，得到的定义结果存在一些不一致。我们发现：美国成年人更偏爱黑发和金发，这和 Beauty 799 得出的结果是相悖的。这种现象可能是环境影响所致，不同文化中的人可能对头发颜色和体型有着不同的偏爱。

除了数据库之间的不一致之外，我们还发现黑发和浓眉是具有吸引力的男性特征，但女性并非如此，黑发和浓眉对女性的美有消极影响。另一个不一致是金发对于男性和女性美的影响。金发是女性具有吸引力的特征，放在男性身上却并非如此。

两个相对较大的数据集中对美发挥正面或负面作用的一致特征。

例如，浓妆、高鼻梁、涂口红等特征都会提升吸引力（美）。相对的，大鼻子、偏男性化（指女性）、嘴唇微张则会对吸引力产生负面影响。

文章来源：机器之心，部分内容选自科学论文，Understanding Beauty via Deep Facial Features