تحليل الجمال الوجهي باستخدام تنبؤ التوزيع ومحاكيات الشبكات العصبية التلافيفية

تُعدّ توقع الجمال الوجهي (FBP) مهمة في مجال رؤية الحاسوب تهدف إلى كمية جمال الوجه. وقد استفادت العديد من الحلول لهذه المشكلة بشكل كبير من التطورات الحديثة في التعلم العميق. ومع ذلك، فإن معظم الطرق الحالية تدرب نماذج التعلم الآلي للتنبؤ فقط بمتوسط درجات الجمال، مع اعتبار مسألة FBP كمهمة انحدار فقط. علاوةً على ذلك، تستخدم الطرق القائمة على التعلم العميق حتى الآن التعلم المنقول من نماذج تم تدريبها على مهام تصنيف عامة مثل ImageNet. نقترح تحسين نموذج مركب من الشبكات العصبية التلافيفية (CNN) التي تم تدريبها أولًا على مهام التحقق من الهوية الوجهية، باستخدام مجموعة متنوعة من دوال الخسارة، مثل دالة الخسارة المستندة إلى مسافة النقل الأرضي (EMD). وباستخدام هذا النهج، يمكن لطريقتنا التنبؤ بتوزيع درجات الجمال بالكامل، وليس فقط المتوسط، كما أن القيم المتوسطة المتنبأة تُظهر ارتباطًا بيرسون (PC) أعلى مقارنةً بالقيم الحقيقية. وتحقيق هذه الطريقة نتائج من الطراز الأول على مجموعة بيانات MEBeauty من حيث الخطأ المطلق المتوسط، والخطأ الجذري المتوسط، والارتباط بيرسون بين القيم المتوسطة المتنبأة والقيم الحقيقية.