arXiv cs.CV· Fenggui Rao, Yan Luximon, Jie Zhang·· 3 小时前AI 评分12
DisFace3DNet：通过 3D 组件解耦实现可解释的面部吸引力预测
DisFace3DNet: Explainable Facial Attractiveness Prediction via 3D Component Disentanglement
AI 导读
DisFace3DNet 通过 3D 组件解耦，从整体评分中学习七个组件参考分数，无需人工标注组件目标。在 SCUT-FBP5500 上，该模型与人类平均评分的 Pearson 相关系数达 0.8904±0.0063（五折均值±标准差），其组件项可将每个留出预测重建至数值精度。皮肤、头发和面部形状对组件预测差异贡献最大，人类评估支持面部形状、皮肤和头发的评分方向，表情一致性较弱。
来源：arXiv cs.CV · arxiv.org