某日偶遇同窗好友在用某款測顏值的APP 。 問他得了幾分， 他微微一笑， “必須是9分男神 。 ”詫異間我又隨手搜了張鳳姐的照片一試， 竟然得了9.4分 。 這次輪到我大笑了 。 “哈哈， 男神女神果真般配啊 。 ”
后來筆者聽聞好友玩的那款測顏值APP竟然也風靡一時 。 我一時好奇間就先拿兩款APP做了測試 。 第一組測試對象是高圓圓和鳳姐 。 結果嘛， 呵呵 。 鳳姐以9.4的高分力壓女神高圓圓呢！第二組測試對象是我家沙發 。 這些APP再次顯示了自己的無能為力 。 同一個沙發得分基本上均勻的分布在1-10分之間 。 沒錯， 一張沙發的照片有時候都能得到9分以上 。 這種簡單的顏值APP甚至都不太能進行面孔識別 。 還要它們來進行標準化打分， 實在是為難了 。
話說回來， 即使人工來打分， 大家也口味各異， 御姐蘿莉各有所愛 。 一款APP又豈能判斷美丑呢？所以用APP測了顏值的大家， 高分玩家勿要得意， 低分玩家也不用暗自神傷， 當成飯后娛樂笑笑便好了 。
雖說這些APP性能還不夠強大， 但是實際上的確有科學家研究過人臉的美麗程度， 并試圖以此為依據開發“顏值算法” 。 這里就簡單介紹一下吧 。 那就是廣為流傳的“平均臉”效應了 。 科學家曾做過這樣的實驗， 找來志愿者看大量的人臉照片， 給照片打分 。 實驗結果表明， 人們更喜歡對稱的臉 。 另外研究表明， 將大量人臉取平均得到“標準臉”， 臉的指標和這種“標準臉”越接近， 越是讓人覺得好看 。
韓國仁濟大學整形外科教授李承哲在2010于國際美容整形外科學會（ISAPS）下屬刊物《美容整形外科》中發表一篇論文， 發布了使用全球多名最漂亮女藝人的照片合成的五張平均臉 。 即使是跨人種， 我們也依然能發現美貌的一致性 。 其中中國人的面孔是不是很像某位明星？
大概就是“丑人多作怪， 美人一個胚”的感覺吧 。 而正是這種“美人一個胚”的現象讓顏值算法有了可行性 。 至于為什么APP表現不太好， 請吐槽不靠譜的碼農吧 。
從進化角度來看， “美人都似一個模子里出來的”也并不讓人意外 。 進化是經過漫長自然選擇的結果， 擁有平均性狀的個體也更容易幸存 。
最后再Geek地介紹一下“顏值算法” 。
剛才我們說了， 長得對稱又標準， 是基因正常、健康狀態良好的體現和保證， 從進化的角度來看是很合理的 。 因此， 如果得到了這些人臉的數據， 我們可以通過計算人臉的對稱性和與“標準臉”的差距， 定性計算“顏值” 。
接下來的問題是， 怎么用軟件得到這些測量指標呢？或者說， 怎么讓軟件“認出”人的臉呢？其實， 人臉檢測是計算機科學領域一個重要方向， 已經有了諸多發展 。 在人臉檢測算法中， 按發展順序有基于知識的模板匹配， 紋理特征， 顏色特征， 基于統計的PCA特征臉， 支持向量機， AdaBoost方法等等 。
想想看我們自己是怎么識別出人臉的呢？很多時候我們看到一些石頭或云， 也會覺得像人的臉， 不論總體上有多么大差距， 那往往是因為恰好有什么東西構成了眼睛、鼻子和嘴 。 再想一想我們怎么堆雪人的？最后是不是往往要弄個眼睛鼻子嘴什么的才有“人”的感覺？沒錯了！其實眼睛、鼻子和嘴對我們識別人臉有非常重要的作用 。 我們對人的臉有一些先驗知識， 知道眼睛鼻子嘴等等的形狀、特征， 知道它們之間相互位置， 和這些先驗知識符合程度高的， 我們的大腦就會判斷為是人臉 。
猜你喜歡
- 牛在十二生肖中與什么屬相是最配
- 兔在十二生肖中與什么屬相是最配的
- 白牡丹是什么茶
- 白豪銀針的特點
- 白毫銀針的泡法和步驟
- 久坐會死，椅子要命？
- 為什么是“東山”再起，而不是西山、南山、北山？
- 古希臘雕塑為什么都是裸體造型？
- 地球上最丑最怪的生物是什么？
- 哪種鳥是捉蟲能手