人脸美学客观化研究

Physical attractiveness has important social consequences. For example, attractive people tend to have more dates and are more likely to be hired for jobs. Despite the prolonged enthusiasm in finding what makes a face beautiful, existing research on facial attractiveness focus only on some specific group of people and the methodologies are somewhat subjective. Psychologists found that people from different background have significant agreement when judging facial attractiveness, which reveals that the cognition of facial attractiveness has some hidden rules. Facial beauty objectification aims to build the computational model between facial traits and the perceived attractiveness. It requires the variety of faces for analysis, and aims to explain the general character of facial beauty perception. This project will build a large scale face database including beautiful and common faces from different races and an aesthetic evaluation database including judgments from hundreds of human raters. Then a facial attractiveness related feature set will be defined and automatic and high precision feature extraction techniques will be developed. Facial beauty modeling is the core of this project. We will propose a model evaluation criterion first, and then learn the model using statistical pattern recognition, data mining, etc. In this way, quantitative rules of facial beauty perception will be found. The results of this project are applicable in aesthetic surgery, arts, intelligent image editing, etc. Furthermore, this project supplies new idea and new evidence to human cognition research on facial beauty perception.

容貌对社会生活的诸多方面有重要影响，如求职、择偶等。人类对揭示容貌美的规律一直充满热情，但已有的研究范围较为局限、研究手段偏于主观。心理学界的研究成果表明不同地域和文化背景的人对容貌美的认识具有共性，说明人们对美的认知遵循某种客观规律。人脸美学客观化研究就是探索人脸生物特征与视觉审美之间的可计算模型。它有两个维度，一是审美对象的广泛性，一是研究审美主体的共性。本项目首先建立包括大量美丽人脸和普通人脸的跨地域、种族的人脸图像数据库，以及包括百人以上的审美评价数据库；然后选取适用于人脸美学研究的特征集合，并研究高精度特征自动提取方法；重点研究人脸美学可计算模型，提出合理的模型评价准则，通过统计学习、数据挖掘等途径建立模型，从而挖掘人脸审美的客观规律。本项目的研究成果不仅能够应用在医学整形、艺术设计、智能图像编辑等领域，而且为人脸美学认知研究提供了新思路和新工具。

容貌影响人们社会生活的很多方面。对人脸美的探索跨越艺术、哲学、人类学、整形医学、心理学、计算机科学等多个领域。其中，基于图像的人脸美研究是一个新兴的研究方向，充满机遇和挑战。一方面，互联网的繁荣和图像处理技术的发展为其提供了数据来源和方法支持。另一方面，人脸审美现象是复杂的，目前还没有成熟的研究框架，也缺少公开的测试平台。本项目主要研究内容可分为三个方面：人脸审美假说、人脸美的计算模型以及人脸美化。. 平均脸假说是较有影响力的人脸审美假说，但是现有的假说验证方法有一定的局限性，如存在混淆变量、实验样本少等。我们提出了人脸形状空间，使人脸几何特征得到规范的量化计算，再用移动最小二乘算法生成远离和靠近平均脸的两组刺激图像，形变大小精确可控。实验基于大规模的中国人脸库，得到如下结论：平均脸形状是美的，但美丽的人脸形状不一定与之相同，人脸审美不能单纯的由平均脸假说解释。.我们提出了人脸审美的加权平均假说，并用感知实验和建模两种方式对其进行了验证。由假说的推论得到一个基于凸包的人脸几何结构美化方法，表明假说的有用性。此外，我们证明了加权平均假说与平均脸假说、对称性假说及基于比例的形式美学是兼容的。. 人脸美的计算模型能够量化人脸特征和美丽度之间的映射关系，从而实现人脸美丽度的自动估计。我们着重解决建模过程中的特征选择与融合问题。共有七类待选特征，涵盖几何和纹理特征以及全局和局部特征。先通过降维和特征选择对每类特征进行优化，在此基础上再研究多类特征的融合策略。. 人脸美化是审美规律的具体应用，主要研究包括人脸皮肤美化与人脸形状美化。对于人脸的皮肤美化，采用了改进的多级中值滤波模型，实验结果显示它能对人脸的皱纹、斑点、青春痘等进行有效的美化。对于人脸的形状美化，提出了基于移动最小二乘法的改进算法，它能在训练样本中自适应的寻找相似的人脸，建立相应美化模型，最终实现形状美化。