FaCells：教机器线条的语言——用于人脸素描分类的逐点属性分数
计算机视觉与模式识别
2025-11-24 v3 人工智能
摘要
FaCells是一种方法，也是一场展览，它将模型内部表征转化为基于线条的艺术作品。对齐的人脸照片（CelebA，26万张图像，40个属性）被转换为适用于XY绘图仪的矢量素描。我们研究如何为一个序列模型“书写”这些绘图，比较绝对与相对点编码以及随机与行程最小化笔划顺序。一个双向LSTM被训练用于属性预测；一个最小架构改动，即移除序列上的全局平均并在每个点应用Dense层，产生了逐点属性分数。跨多幅肖像聚合分数超过某属性特定阈值的点，生成了我们称为FaCells的新绘图：诸如眼镜、波浪发或刘海等属性的统计抽象。在各项消融实验中，采用行程最小化顺序的绝对坐标与全局平均读出表现最佳；随后该配置被调整以产生逐点分数。在40个属性上的多标签训练是稳定的，达到至少50%平衡准确率的属性被可视化为FaCells。互补概念（例如无胡须）通过选择低于负阈值的点来构建。FaCells将可解释性凸显为一种创造性工具：所得作品可供绘图仪使用、可复现且实现成本低廉，却具有物质实在性。该项目在Spectrum Miami 2025展出，在承认标签局限与数据集偏差的同时，桥接了数据、模型与论文。
引用
@article{arxiv.2102.11361,
title = {FaCells. Teaching Machines the Language of Lines: Per Point Attribute Scores for Face-Sketch Classification},
author = {Xavier Ignacio Gonzalez},
journal= {arXiv preprint arXiv:2102.11361},
year = {2025}
}