摘 要 面孔吸引力影响着人们生活的方方面面，是当下的研究热点之一。随着计算机科学的发展，通过计算机模型预测面孔吸引力成为可能，许多面孔吸引力数据库也应运而生。面孔吸引力数据库所提取的特征可归纳为形式美学、进化美学和数据驱动三大类，预测建模方法则可分为符号主义和联结主义。通过面孔特征和建模方法两个角度总结面孔吸引力数据库，根据数据库的发展特点和现状，从时间角度分析数据库的变化及其原因。未来应致力于建立特征全面、标准化的多模态数据库；从学科交叉的视角，探索面孔美的本质。

    关键词 面孔吸引力；数据库；人工智能；美学

    分类号 B842

    DOI：10.16842/j.cnki.issn2095-5588.2024.09.005

    1 引言

    “爱美之心，人皆有之；古今中外，概莫如是”，追求美是人的本性。“颜值”即面孔吸引力，是“目标面孔所诱发的一种积极愉悦的情绪体验以及驱使个体产生接近意愿的程度(Rhodes， 2006)”，影响着择偶、选举、求职、合作与信任等方面(Lai et al.， 2021; Masch et al.， 2021; Shen et al.， 2020)。面孔数据库的建立作为面孔吸引力研究的开端和基础，是推动这一领域发展的燃料 (Raji amp; Fried， 2021)。二十多年来，已有不少研究者开发了诸多类型和适用性不同的数据库，这些数据库不单取决于计算机技术的水平，更是反映了人们对面孔美的理解，因此，对此进行回溯和剖析有助于我们审视“何为美”这一争论千年的话题。

    康德在《判断力批判》中提出，美的鉴赏判断建立在共同经验基础之上。基于“审美共识”，计算机就能结合相关理论，实现“颜值的量化”，即根据不同面孔特征，对于面孔吸引力进行心理建模。建立的模型能够实现对面孔吸引力的自动评估，在整形医疗、社交网站服务等方面都得到了广泛的应用，是将面孔吸引力相关理论研究运用于现实的重要途径。面孔吸引力的量化主要包含六个步骤(Saeed amp; Abdulazeez， 2021)(见图1)：收集人脸图片数据、人脸图片预处理、人脸图片评分、特征提取和选择、预测模型的开发和模型验证。若要通过机器学习建立预测模型，则需要选择数据库中面孔特征作为预测参数。面孔特征的选择是面孔吸引力评定的关键步骤，其背后隐含着美学理论基础，并存在适配的算法。从美的角度来看，选取的面孔特征体现了研究者对面孔美本质的理解。如平均性、性别二态性和对称性体现的是进化美学的思想(Thornhill amp; Gangestad， 1999) ......