Глубокие нейронные сети открывают новые возможности понимания черт лица, связанных с привлекательностью и добротой

3319
Глубокие нейронные сети улучшают анализ черт лица, связанных с привлекательностью и добротой. Исследование показало, что эти методы точнее предсказывают оценки при личной встрече, чем традиционные подходы.

Современные технологии, такие как глубокие нейронные сети, позволяют ученым более точно анализировать черты лица, связанные с привлекательностью и добротой. Новое исследование, опубликованное в журнале Evolution & Human Behavior, показывает, что эти методы машинного обучения превосходят традиционные подходы в прогнозировании того, как люди оценивают привлекательность и доброту при личной встрече.

Почему это важно?

Привлекательность лица играет ключевую роль в выборе партнера, но традиционные методы измерения черт лица, такие как мужественность, сходство и усредненность, имеют серьезные ограничения. Субъективные оценки подвержены предубеждениям, а методы, основанные на ориентирах (предопределенных точках на лице), не учитывают важные визуальные детали, такие как текстура кожи, цвет волос и контрастность.

Реклама на веке

Чтобы преодолеть эти ограничения, исследователи Эми А.З. Чжао и Брендан П. Циетч изучили потенциал глубоких нейронных сетей. Эти технологии позволяют более точно количественно оценивать характеристики лица, что улучшает прогнозы привлекательности и доброты в реальных условиях.

Как проводилось исследование?

В исследовании приняли участие 682 человека (344 женщины), набранных из Университета Квинсленда. Все участники были одинокими, гетеросексуальными и свободно владели английским языком. Они участвовали в эксперименте по скоростным свиданиям, где оценивали привлекательность и доброту лиц своих партнеров.

Для анализа черт лица исследователи использовали три метода:

1. Ручное размещение ориентиров: научные сотрудники вручную размещали 28 точек на лицах участников.

2. Автоматическое обнаружение ориентиров: система на основе искусственного интеллекта размещала 83 точки.

3. Глубокие нейронные сети: извлекали 4096 координат черт лица из каждого изображения.

Эти методы использовались для оценки трех ключевых характеристик: усредненности, мужественности и сходства.

Что обнаружили исследователи?

Глубокие нейронные сети показали лучшие результаты в прогнозировании оценок привлекательности и доброты по сравнению с традиционными методами. Например, мужественность мужских лиц, измеренная с помощью нейронных сетей, сильно коррелировала с привлекательностью, что подтверждает предыдущие исследования. В то же время мужественность женских лиц была отрицательно связана с привлекательностью, то есть более женственные черты считались более привлекательными.

Кроме того, нейронные сети оказались менее чувствительны к углу наклона головы на фотографиях, что является распространенной проблемой для методов, основанных на ориентирах.

Исследователи также обнаружили, что люди с более мужественными или женственными чертами лица предпочитают партнеров с аналогичными характеристиками. Этот эффект, известный как ассортативное спаривание, был выявлен только с помощью нейронных сетей, что подчеркивает их способность улавливать тонкие черты лица, влияющие на реальное влечение.

Сходство лиц также было связано с оценками доброты. Люди склонны воспринимать тех, кто выглядит как они, как более добрых и надежных. Этот эффект был заметен при использовании автоматических ориентиров и нейронных сетей, но менее выражен при ручном измерении.

Усредненность лица, которая часто считается ключевым фактором привлекательности, также была значимым предиктором положительных оценок, особенно при измерении с помощью нейронных сетей.

Ограничения исследования

Одним из недостатков глубоких нейронных сетей является их «черный ящик»: сложно определить, какие именно черты лица влияют на оценку. В отличие от методов, основанных на ориентирах, которые предоставляют четкие измерения, нейронные сети работают как сложные системы, которые трудно интерпретировать.

Что дальше?

Исследование открывает новые возможности для изучения того, как черты лица влияют на восприятие привлекательности и доброты. В будущем ученые могут использовать нейронные сети для анализа других аспектов внешности, таких как мимика или возрастные изменения.

Заключение

Глубокие нейронные сети предлагают более точный и комплексный подход к изучению черт лица, связанных с привлекательностью и добротой. Эти технологии могут помочь лучше понять, как люди оценивают друг друга в реальной жизни, и открыть новые горизонты в исследованиях человеческого восприятия.

Реклама на веке
Исследование показывает, что двое детей могут быть лучшими для психического здоровья женщины Исследования показывают, что запрет на ругань может быть вреден для гонщиков Формулы-1

Прорыв в робототехнике: система TWIST позволяет гуманоидам точно копировать движения человека

201
Прорыв в робототехнике: система TWIST позволяет гуманоидам точно копировать движения человека
Фото: https://interestingengineering.com/innovation/humanoid-robots-copy-human-moves
Новая система TWIST позволяет гуманоидным роботам точно повторять движения человека в реальном времени. Технология открывает возможности для промышленности, медицины и спасательных операций.

16 мая 2025 года исследователи из Стэнфордского университета и Университета Саймона Фрейзера представили революционную систему TWIST (Teleoperated Whole-Body Imitation System), которая позволяет гуманоидным роботам в точности повторять движения человека в режиме реального времени. Эта технология открывает новые возможности для телеуправления, промышленной автоматизации и даже помощи в опасных условиях.

Как работает TWIST?

Система сочетает два ключевых компонента:

Реклама на веке

1. Захват движения (MoCap) — специальные датчики фиксируют каждое действие оператора.

2. Обучение с подкреплением — алгоритмы ИИ преобразуют данные в команды для робота, обеспечивая плавность и баланс.

«Мы точно фиксируем движения человека, а затем используем ИИ для сопоставления их с командами, которые могут выполнять гуманоиды. Наша система имеет гораздо более высокую точность, чем предыдущие решения», — объясняет Яньцзе Цзе, ведущий автор исследования.

Что умеют роботы под управлением TWIST?

Во время испытаний гуманоид G1 от Unitree Robotics успешно выполнял сложные задачи:

- Поднимал коробки с пола, используя обе руки.

- Открывал двери, толкая их плечом или локтем.

- Играл в футбол, точно ударяя по мячу.

- Танцевал вальс, сохраняя равновесие.

«Наша система позволяет роботу двигаться так же естественно, как человеку — от пальцев ног до поворотов головы», — отмечают разработчики.

Почему это прорыв?

Предыдущие системы телеуправления страдали от:

- Задержек между движением оператора и реакцией робота.

- Ограниченного контроля над нижней частью тела.

- Неспособности адаптироваться к сложным условиям (например, скользкому полу).

TWIST решает эти проблемы благодаря:

- Двухэтапному обучению (офлайн-тренировка + корректировка в реальном времени).

- Оптимизации не только положения суставов, но и их ориентации.

- Имитации помех, что делает движения более устойчивыми.

Где это можно применять?

1. Промышленность — роботы смогут работать на опасных производствах, например, в химических лабораториях или зонах радиации.

2. Медицина — точные манипуляции при дистанционных операциях.

3. Спасательные операции — разбор завалов без риска для людей.

4. Обучение ИИ — сбор данных для будущих автономных роботов.

Текущие ограничения и будущее технологии

Пока система сталкивается с вызовами:

- Отсутствие тактильной обратной связи для оператора.

- Зависимость от громоздких MoCap-систем.

- Ограниченная износостойкость современных гуманоидов.

«Следующий шаг — замена MoCap на камеры RGB и улучшение "чувствительности" роботов. Мы хотим, чтобы они обучались автономно, как люди», — говорит Цзе.

Исследование опубликовано на arXiv, а его практические реализации ожидаются в ближайшие 2–3 года. С появлением TWIST человечество стало на шаг ближе к эпохе, где роботы-ассистенты будут работать рядом с нами — от заводов до наших домов.

Реклама на веке
Впервые в мире: младенца в США вылечили с помощью персонализированного редактирования генов CRISPR
Реклама на веке
Реклама на веке