Разработка и исследование модели для генерации субъективно привлекательных лиц людей

Когнитивные способности человека позволяют осуществлять восприятие, анализ и внешнюю оценку собеседника. При этом объяснение субъективной оценки внешности нельзя назвать тривиальной задачей. Помимо известных общих закономерностей, таких как принципы геометрии лица, социальный и культурный опыт оценивающего, каждому человеку присуще комплексные индивидуальные факторы, влияющие на субъективное понимание красоты. Настоящая статья посвящена задаче построения модели машинного обучения, способной в соответствии с обратной связью от пользователя генерировать субъективно привлекательные лица людей. Предполагается, что такая модель поможет в изучении процесса формирования человеком оценки привлекательности лиц и выявлении индивидуальных факторов, влияющих на данный показатель. В работе рассмотрен сервис, предоставляющий пользователю последовательный выбор наиболее привлекательных изображений, созданных при помощи модели генеративно-состязательной сети (GAN). По окончании заданной длины последовательности изображений пользователю дается возможность оценить результирующие изображения на предмет привлекательности лиц по заданному показателю качества. Обучение нейронной сети производилось на датасете CelebA-HQ, который содержит 30000 1024×1024 изображений лиц знаменитостей. Для увеличения выборки пользователей сервис развернут в виде web-приложения и Telegram бота со свободным доступом, что позволяет собирать данные о сгенерированных результирующих изображениях. В статье даются выводы о качестве генерации изображений по мнению пользователей и о возможностях применения полученных результатов.

A person's cognitive capabilities allow for the perception, analysis, and external evaluation of others. At the same time, describing the subjective assessment of attractiveness cannot be considered a trivial task. In addition to well-established general patterns, including the principles of facial geometry and the social and cultural experiences of the evaluator, every person has complex, individual factors that influence their subjective understanding of attractiveness. This paper is focused on developing a machine learning model that can generate subjectively attractive human faces based on user feedback. It is hypothesized that such a model could be used to study the process of how a person forms their assessment of another's attractiveness and identify individual factors that contribute to this indicator. This study considers a service that offers users a consistent selection of the most appealing images generated using a generative adversarial network model.At the end of a specified length of sequence of images, users are given the opportunity to assess the resulting images based on the attractiveness of the faces using a given quality metric. The neural network has been trained on the CelebA-HQ dataset, which includes 30,000 images of celebrity faces with a resolution of 1024×1024 pixels. To increase the size of the user sample, the service has been deployed in the form of a web application and Telegram bot with free access. This allows users to collect data on the generated images. This article draws conclusions regarding the quality of the image generation based on user feedback and the potential applications of the results obtained.