利用连体多任务 CNN 从人脸图像中学习基于偏好的相似性

在过去的几十年里，在线约会已变得十分普遍。在线约会平台的一个关键挑战是为用户确定合适的匹配对象。许多约会服务依赖用户自我报告的特征与偏好进行匹配。同时，一些服务主要依赖用户图像因而依赖初始的视觉偏好。特别是对于后一种方法，先前的研究试图捕捉用户的视觉偏好以进行自动匹配推荐。这些方法大多基于这样的假设：身体吸引力是关系形成的关键因素，而个人偏好、兴趣和态度在很大程度上被忽视。深度学习方法已表明可从人脸在一定程度上预测多种属性，包括年龄、健康甚至人格特质。因此，我们研究了将基于图像的匹配与基于个人兴趣、偏好和态度的匹配相桥接的可行性。我们以监督方式处理该问题，仅基于两张人脸图像预测两名用户之间的相似性分数。相似性匹配分数的真实值由一个测试确定，该测试旨在捕捉与建立浪漫关系相关的用户偏好、兴趣和态度。图像由连体多任务深度学习架构处理。我们发现预测相似性分数与目标相似性分数之间存在统计显著的相关系数。因此，我们的结果表明，从人脸图像中学习基于兴趣、偏好和态度的相似性在某种程度上似乎是可行的。