SCUT-FBP5500: Ein vielfältiger Benchmark-Datensatz für die Mehrparadigmen-Gesichtsschönheitsvorhersage

Die Vorhersage von Gesichtsschönheit (Facial Beauty Prediction, FBP) ist ein bedeutendes visuelles Erkennungsproblem, das die Bewertung der Gesichtsanziehungskraft in Übereinstimmung mit menschlicher Wahrnehmung ermöglicht. Um dieses Problem anzugehen, wurden verschiedene datengetriebene Modelle, insbesondere state-of-the-art Techniken des tiefen Lernens (Deep Learning), eingeführt, und Benchmark-Datensätze sind zu einem wesentlichen Element zur Lösung des FBP-Problems geworden. Frühere Arbeiten haben die Erkennung von Gesichtsschönheit als spezifisches überwachtes Lernproblem formuliert, sei es als Klassifikation, Regression oder Rangfolge. Dies deutet darauf hin, dass FBP im Wesentlichen ein Berechnungsproblem mit mehreren Paradigmen ist. Dennoch wurden die meisten FBP-Benchmark-Datensätze unter bestimmten berechnungsbezogenen Einschränkungen erstellt, was die Leistungsfähigkeit und Flexibilität der auf diesen Datensätzen trainierten Berechnungsmodelle einschränkt.In dieser Arbeit argumentieren wir dafür, dass FBP ein Mehr-Paradigma-Berechnungsproblem ist, und stellen einen neuen vielfältigen Benchmark-Datensatz vor, den SCUT-FBP5500 genannten Datensatz. Der SCUT-FBP5500-Datensatz umfasst insgesamt 5500 Frontalansichten von Gesichtern mit diversen Eigenschaften (männlich/weiblich, asiatisch/kaukasisch, Altersgruppen) und diversen Labels (Gesichtspunkte, Schönheitsbewertungen im Bereich [1;~5], Verteilung der Schönheitsbewertungen). Dies ermöglicht es verschiedenen Berechnungsmodellen mit unterschiedlichen FBP-Paradigmen wie Erscheinungsbasierten/Formbasierten Schönheitsklassifikations-/Regressionmodellen für asiatische und kaukasische Männer und Frauen zu arbeiten.Wir haben den SCUT-FBP5500-Datensatz für FBP unter Verwendung verschiedener Kombinationen von Merkmalen und Prädiktoren sowie verschiedener Methoden des tiefen Lernens evaluiert. Die Ergebnisse zeigen Verbesserungen bei der Vorhersage von Gesichtsschönheit sowie potentielle Anwendungen basierend auf dem SCUT-FBP5500-Datensatz.