Jun, 2023

照片中的人如何被评价？对评估信任和吸引力水平时大脑活动的分析

PDF
TL;DR通过记录人们在面对不同人物时的脑电波活动并利用逻辑回归分类器建模，揭示了在判断信任和吸引力方面最活跃的大脑区域，以期为社会中乃至医学领域的偏见问题提供解决思路。
发现论文，激发创造
  • 测量可信度还是自动化相面相貌学？对 Safra、Chevallier、Grèzes 和 Baumard（2020）的评论

    该研究采用机器学习算法，分析了历史肖像画的面部特征与信任度的关系，声称人际信任随着时间的推移而增强，但有学术与分析问题，并指出该算法与相面术存在危险的相似之处。

    Feb, 2022

  • 基于人类第一印象的主观面部转换

    使用生成模型找到脸部图像中感知属性的语义编辑，综合考虑保持身份和改变感知属性之间的权衡，以改变脸部图像中的任何输入脸沿属性轴的转换。通过预测模型和人类评分，在真实和合成脸上进行培训和评估，证明了我们方法的普适性，最终可用于理解和解释与身份无关的对面部主观解释中的偏见。

    Sep, 2023

  • 利用深度学习预测第一印象

    本文介绍了一种基于卷积神经网络的回归框架，可用于训练社交属性分配的预测模型，该模型可以对人群的行为进行量化，应用于描述人脸的视觉属性和情感计算领域。

    Oct, 2016

  • 第一印象：基于视觉的明显人格特征分析调查

    本篇论文系统总结了基于视觉计算的表观性格特征识别的现有方法，讨论比较了这些方法的独特特点和限制；同时也讨论了该领域未来的研究方向和数据标注 / 评估的主观性问题，还简要回顾了当前数据集和挑战。

    Apr, 2018

  • 关于从视听信号中观察出的受试者偏见对表层人格分析的影响

    本文研究了各种影响人格认知的可能偏见源，包括面部表情情绪、吸引力、年龄、性别和种族，以及它们对表观人格估计的影响。使用多模态深度神经网络，综合音频和视觉信息，以及特定属性模型的预测来回归表观人格，并在 ChaLearn First Impressions 数据集上展示了最新的结果。此外，还提供了一种可解释性的网络设计，对每种可能的偏见源对最终网络预测的影响进行了增量分析。

    Sep, 2019

  • 自动视频面试评估中人类偏见的研究

    该研究探讨了在自动评估人类行为任务过程中，人类对视频结构化面试的评分是否具有偏见，并且这些评分是否会影响使用它们作为训练数据的机器学习模型，研究结果初步表明此类标注中存在视觉上的偏差。

    Nov, 2019

  • 从面部表情识别到人际关系预测

    本研究旨在研究是否可以从生活场景中的人脸图像中对人际关系进行细分和高水平特征的表征和量化，并提出了一种采用深度网络架构来识别面部表情的方法，以预测人际关系，并展示出了良好的实验结果。

    Sep, 2016

  • 喜好预测的视觉指导

    研究表明，我们可以利用计算机识别人脸信息并预测性别、年龄和外貌美丽程度，同时通过视觉协作过滤技术和新的回归技术推断人们之间的偏好，并基于此预测一张图片的相对吸引力。在一项大型的约会网站数据集和明星图片上，我们的实验获得了令人信服的结果，并得出了一些有意义的社会学结论。

    Oct, 2015

  • 使用神经网络进行挑战人群面部表情的情感识别

    这篇论文提出了一种通过图像进行面部表情的深度分类方法，采用了深度前馈人工神经网络。该方法可用于良好的应用，包括视觉检查和安全措施。

    May, 2023

  • 从面部图像中学习社交关系特征

    本研究使用深度模型从面部图像中学习捕捉性别、表情、头部姿势、年龄等属性，采用面部间的配对推理进行社交关系预测，实验证明我们的方法有效用于图像和视频中细粒度社交关系的学习。

    Sep, 2015