Warianty tytułu
Języki publikacji
Abstrakty
W artykule poruszono problem oceny piękna twarzy przedstawionych na cyfrowych obrazach. Dokonano przeglądu podejść stosowanych w literaturze tematu związanych z określaniem piękna. Z trzech głównych podejść prezentowanych w literaturze tematu (średnich twarzy, symetrii i proporcji) wybrano tą ostatnią. Opracowano system, który dokonuje oceny twarzy badając pięć proporcji pomiędzy wybranymi cechami twarzy. Im bliższe liczbie złotego podziału Φ są poszczególne proporcje tym bardziej twarz uznawana jest za piekną, odpowiadającą przyjętemu modelowi idealnej twarzy. Przeprowadzając szereg eksperymentów z wykorzystaniem grupy 42 studentów dokonano wyboru metody agregacji wyników poszczególnych pomiarów dla indywidualnej twarzy. Uzyskane rezultaty pozwoliły potwierdzić słuszność przyjętych założeń.
In the article the problem of face image analysis in conext of face beauty estimation is discussed. Three main approaches found in literature are briefly presented. Based on the golden ratio proportion an ideal face is constructed and an automatic system for face avaluation developed. Conducted experiments demonstrated that agreement on human ratings with machine ratings exist.
Czasopismo
Rocznik
Tom
Strony
125-134
Opis fizyczny
Bibliogr. 10 poz., rys., tab.
Twórcy
autor
autor
- Zachodniopmorski Uniwersytet Technologiczny w Szczecinie, Wydział Informatyki
Bibliografia
- [1] F. B. Naini, J. P. Moss, D. S. Gill. The enigma of facial beauty: Esthetics, proportions, deformity, and controversy. American Journal of Orthodontics and Dentofacial Orthopedics, Vol. 130(3), 2006, s. 277-282
- [2] P. M. Pallett, S. Link, K. Lee. New “golden” ratios for facial beauty. Vision Research, Vol. 50(2), 2010, s. 149-154
- [3] H. Gunes, M. Piccardi. Assessing facial beauty through proportion analysis by image processing and supervised learning. International Journal of Human-Computer Studies, Vol. 64(12), 2006, s. 1184-1199
- [4] Y. Jefferson. Facial beauty – establishing a universal standard. International Journal of Orthodontics, Vol. 15(1), 2004, 9-22
- [5] A. Kagian, G. Dror, T. Leyvand, I. Meilijson, D. Cohen-Or, E. Ruppin. A machine learning predictor of facial attractiveness revealing human-like psychophysical biases. Vision Research, Vol. 48(2), 2008, s. 235-243
- [6] M. Komori, S. Kawamura, S. Ishihara. Averageness or symmetry: Which is more import ant for facial attractiveness? Acta Psychologica, Vol. 131(2), 2009, s. 136-142
- [7] [Kie08] R. M. A. Kiekens, A. M. Kuijpers-Jagtman, M. A. van ‘t Hof, B. E. van ‘t Hof, H. Straatman, J. C. Maltha. Facial esthetics in adolescents and its relationship to “ideal” ratios and angles. American Journal of Orthodontics and Dentofacial Orthopedics, Vol. 133(2), 2008, s. 188.e1-188.e8
- [8] G. Kukharev, A. Kuźmiński Techniki Biometryczne. Część 1. Metody Rozpoznawania Twarzy. Pracownia Poligraficzna WI PS, 2003, 310 s.
- [9] L. DeBruine, B. Jones. Strona FaceResearch.org; baza twarzy [online] http://www.faceresearch.org/demos/average [dostęp: 2010]
- [10] J. W. Tanaka, M. Kiefer, C. M. Bukach. A holistic account of the own-race effect in face recognition: evidence from a cross-cultural study. Cognition. Vol. 93(1), 2004, s. B1-B9
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.baztech-article-BPS3-0016-0092