論文の概要: Beauty is in the ELBO of the Beholder: A Variational Account of Processing Fluency in Face Perception
- arxiv url: http://arxiv.org/abs/2608.24219v1
- Date: Tue, 25 Aug 2026 08:24:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.869346
- Title: Beauty is in the ELBO of the Beholder: A Variational Account of Processing Fluency in Face Perception
- Title（参考訳）: 利害関係者のELBOにおける美 : 顔知覚における処理頻度の変動
- Abstract要約: 我々は, 4つの顔データセット上で, 魅力を伴わない変分自動エンコーダを訓練し, シカゴ顔データベース上でそれらの表現を評価する。
人間の魅力度評価は,VAEエビデンス(ELBO)が規定する速度歪み空間の方向と密接に一致していることがわかった。
本研究は,美学の古典的記述と学習された生成モデルとを結びつけ,美学の処理理論の変分的解釈を実証的に支援する。
- 参考スコア（独自算出の注目度）: 3.8272570878331904
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Facial attractiveness has been linked to statistical regularities such as symmetry and averageness, suggesting that beauty may depend on the ease with which a face is perceived. We empirically test this hypothesis by training variational autoencoders on four face datasets without attractiveness supervision and evaluating their representations on the 597 faces from the Chicago Face Database. Across models, human attractiveness ratings closely aligns with the direction defined by the VAE evidence lower bound (ELBO) in rate-distortion space. Independently learned latent spaces contain an attractiveness direction that transfers strongly across random initializations and training data. We also find that attractive faces are more prototypical in both shape and latent space. Our results connect classic accounts of aesthetics with learned generative models and provide empirical support for a variational interpretation of the processing fluency theory of aesthetic pleasure.
- Abstract（参考訳）: 顔の魅力は、対称性や平均性のような統計上の規則性と関連付けられており、美は顔が知覚される容易さに依存する可能性があることを示唆している。
筆者らは,この仮説を,魅力の監視を伴わない4つの顔データセット上で,変化型オートエンコーダを訓練し,シカゴ・フェイス・データベースから597顔の表現を評価することによって実証的に検証した。
モデル全体で、人間の魅力評価は、速度歪み空間におけるVAEエビデンス(ELBO)の低い境界(ELBO)によって定義される方向と密接に一致している。
独立に学習された潜在空間は、ランダムな初期化とトレーニングデータ間で強く伝達される魅力的な方向を含む。
また、魅力ある顔は、形状と潜在空間の両方においてより原型的であることも判明した。
本研究は,審美学の古典的記述と学習された生成モデルとを結びつけ,美的快楽の処理流布理論の変分的解釈を実証的に支援する。
関連論文リスト
- AlignFace: Human-Aligned Face Similarity Metric with Interpretable Concept Relations [13.228617286387887]
我々は、FACETSデータセットを導入し、解釈可能なヒューマンアライメントの顔類似度指標であるAlignFaceを提案する。
実験の結果、AlignFaceは基準値と比較して人間のサブポピュレーション知覚との整合性を大幅に改善することがわかった。
論文 参考訳（メタデータ） (2026-08-14T09:36:28Z) - Human face perception reflects inverse-generative and naturalistic discriminative objectives [2.4126189670630733]
ディープニューラルネットワークは人間の顔知覚に機械的仮説を提供する。
我々は、アーキテクチャを共有する6つのニューラルネットワークモデルを比較したが、異なるタスクで訓練した。
864人の被験者の顔相違判定に対するモデル予測を検証した。
論文 参考訳（メタデータ） (2026-05-12T18:06:57Z) - Beauty and the Bias: Exploring the Impact of Attractiveness on Multimodal Large Language Models [51.590283139444814]
物理的魅力は人間の知覚と意思決定に影響を与えることが示されている。
マルチモーダル大言語モデル(MLLM)による評価と意思決定において魅力が果たす役割は、不明である。
我々は、91の社会的関連シナリオと924の顔画像の多様なデータセットで評価された7つのオープンソースMLLMを用いて実証的研究を行った。
論文 参考訳（メタデータ） (2025-04-16T16:02:55Z) - Dataset Scale and Societal Consistency Mediate Facial Impression Bias in Vision-Language AI [17.101569078791492]
43のCLIP視覚言語モデルを用いて、人間の顔の印象バイアスを学習するかどうかを検証した。
社会全体でバイアスが共有される度合いがCLIPモデルに反映される度合いを予測するのはこれが初めてである。
論文 参考訳（メタデータ） (2024-08-04T08:26:58Z) - Improving Fairness using Vision-Language Driven Image Augmentation [60.428157003498995]
公平性は、特に顔領域において、ディープラーニングの識別モデルを訓練する際に重要である。
モデルは、特定の特性(年齢や肌の色など)と無関係な属性(下流タスク)を関連付ける傾向がある
本稿では,これらの相関を緩和し,公平性を向上する手法を提案する。
論文 参考訳（メタデータ） (2023-11-02T19:51:10Z) - Subjective Face Transform using Human First Impressions [4.6852346957345015]
この研究は生成モデルを用いて、認識属性を変更する顔画像に意味論的に意味のある編集を見つける。
我々は、実際の顔と合成顔のトレーニングを行い、予測モデルと人間の評価を用いてドメイン内画像とドメイン外画像の評価を行う。
論文 参考訳（メタデータ） (2023-09-27T03:21:07Z) - CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial
Expression Recognition [80.07590100872548]
本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。
CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
論文 参考訳（メタデータ） (2022-08-10T15:46:05Z) - Unravelling the Effect of Image Distortions for Biased Prediction of
Pre-trained Face Recognition Models [86.79402670904338]
画像歪みの存在下での4つの最先端深層顔認識モデルの性能評価を行った。
我々は、画像歪みが、異なるサブグループ間でのモデルの性能ギャップと関係していることを観察した。
論文 参考訳（メタデータ） (2021-08-14T16:49:05Z) - Learning Fair Face Representation With Progressive Cross Transformer [79.73754444296213]
フェアフェイス認識のためのプログレッシブクロストランス (PCT) 手法を提案する。
我々は,PCTが最先端FR性能を達成しつつ,顔認識におけるバイアスを軽減することができることを示した。
論文 参考訳（メタデータ） (2021-08-11T01:31:14Z) - DeepFN: Towards Generalizable Facial Action Unit Recognition with Deep
Face Normalization [20.07793902338722]
この研究は、個人(40人)、性別(男性と女性)、肌型(ダーカーとライター)、データベース(BP4DとDIFA)、など、様々な側面にわたるパフォーマンスの詳細な分析を行う。
個人非依存モデルでは, 個人依存モデル (60.3%) よりも性能が有意に低く, 平均F1は55%, 精度は40名に対して60.3%, 一般化ギャップは5.3%であった。
新たに導入されたDeepFNによるデータの正規化は、個人に依存しないモデルの性能を著しく向上させた(59.6%)
論文 参考訳（メタデータ） (2021-03-03T15:50:51Z) - InterFaceGAN: Interpreting the Disentangled Face Representation Learned
by GANs [73.27299786083424]
我々は、最先端のGANモデルによって学習された不整合顔表現を解釈するInterFaceGANというフレームワークを提案する。
まず、GANは潜在空間の線型部分空間で様々な意味学を学ぶ。
次に、異なる意味論間の相関関係について詳細な研究を行い、部分空間射影を通してそれらをよりよく解離させる。
論文 参考訳（メタデータ） (2020-05-18T18:01:22Z) - Dual-Attention GAN for Large-Pose Face Frontalization [59.689836951934694]
本稿では,フォトリアリスティック顔フロンダル化のためのDA-GAN(Dual-Attention Generative Adversarial Network)を提案する。
具体的には、ローカル機能と長距離依存関係を統合するために、自己アテンションベースのジェネレータが導入された。
顔領域の局所的特徴を強調するために,新しい顔認識に基づく識別器を適用した。
論文 参考訳（メタデータ） (2020-02-17T20:00:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。