学习像人一样感知人脸
计算机视觉与模式识别
2017-05-12 v1 人工智能
机器学习
摘要
人类对面孔进行复杂的推断，范围从客观属性（性别、种族、表情、年龄、身份等）到主观判断（面部吸引力、可信度、社交能力、友好度等）。尽管面部感知的客观方面已被广泛研究，但针对面部社会印象的计算模型相对较少。为弥补这一差距，我们开发了一种方法，利用最先进神经网络的深度表示，预测面孔在40个主观社会维度上的人类印象。我们发现，模型性能随着面部特质上人类共识的增强而提升，并且模型预测在与人类平均值的相关系数上优于人类群体。这说明了面部主观社会感知的可学习性，尤其是在人类共识较高时。我们的系统可用于从个人收藏中决定哪些照片能留下最佳印象。这些结果对社会机器人领域具有重要意义，表明机器人能够学习定义人类交互底层结构的主观判断。
引用
@article{arxiv.1705.04282,
title = {Learning to see people like people},
author = {Amanda Song and Linjie Li and Chad Atalla and Garrison Cottrell},
journal= {arXiv preprint arXiv:1705.04282},
year = {2017}
}
备注
10 pages