摘要
近年来，随着社交媒体上图像分享的迅猛增长，人脸识别技术迎来了重大发展推动力。本文致力于解决一个具有挑战性的任务：利用深度学习技术判断父母与子女之间的外貌相似性，以回答“我长得像谁？”这一问题。尽管人类在该任务上的表现优于随机猜测，但其具体认知机制尚不明确[2]。然而，近期人类学研究[24]已识别出在判断亲缘关系时最具区分性的面部特征。本研究不仅旨在构建一个高精度的外貌相似性检测系统，更致力于弥合人类学研究与计算机视觉技术之间的鸿沟。此外，本研究旨在回答两个核心问题：1）子女是否与父母相像？2）子女是否更像某一位父母？为此，我们提出一种新算法，该算法融合了通过门控自编码器（gated autoencoders）发现的特征与度量，并结合一个判别性神经网络层，以学习最优的、我们称之为“遗传特征”的表征，用于刻画父母与子女之间的亲缘关系。我们进一步分析了所自动检测到的特征与人类学研究中发现的关键特征之间的相关性。实验结果表明，相较于现有最先进方法，本方法在亲缘关系验证任务中取得了3%至10%的性能提升，具体效果取决于所采用的模型类型（如特定关系模型：父-子、母-女等）与通用模型。