用于人类身份实验的人脸空间学习

人类身份与外观的生成模型在行为科学和技术中具有广泛的适用性，但人类人脸感知的极度敏感性意味着其实用性取决于模型表征与人类心理表征的对齐以及生成图像的真实感。满足这些要求是一项严苛的任务，而现有的人类身份与外观模型往往过于抽象、人工化、诡异或存在偏差。在此，我们使用带有自回归解码器的变分自编码器，从一个独特多样的肖像数据集中学习人脸空间，该数据集控制了与人类身份和外观无关的大量变异。我们的方法生成具有平滑、可导航潜空间的虚构身份的真实感肖像。我们通过引入一种针对图像的心理物理图灵测试来验证模型与人类敏感性的对齐，人类在该测试中大多失败。最后，我们展示了模型在心理空间快速搜索问题上的一项初步应用，以少量试验获得详细的“警方素描”。