怎么樣的五官組合會被更多人認為高顏值呢?近日,在 Tuukka Ruotsalo 副教授的帶領下,來自赫爾辛基大學和哥本哈根大學的科學家們研究出了一個生成式對抗神經網絡,生成了數百張逼真的人像。然后這些計算機生成圖像被逐一展示給 30 名測試對象,每個人都被指示將更多的注意力集中在他們認為最有吸引力的面孔上,同時使用 EEG(腦電圖)記錄他們大腦的電活動。
隨后,基于機器學習的算法確定哪些面孔對每個人產生的活動量最大,然后確定這些面孔有哪些共同的特征?;谶@些數據,神經網絡再繼續產生結合這些特征的新面孔。在一個雙盲實驗中,這些新面孔然后和許多其他面孔的圖像一起展示給這個人。87% 的人選擇了新面孔中最有吸引力的面孔--隨著技術的進一步發展,這個數字應該會上升。
希望該團隊的研究結果最終可以用來幫助計算機系統理解主觀偏好,或許還可以用來識別人們的無意識態度。高級研究員 Michiel Spapé 說:“這項研究表明,我們能夠通過將人工神經網絡與大腦反應連接起來,生成與個人偏好相匹配的圖像。迄今為止,計算機視覺在根據客觀模式對圖像進行分類方面非常成功。通過將大腦反應帶入其中,我們表明有可能根據心理屬性,如個人品味,來檢測和生成圖像” 。
有關該研究的論文近日發表在《IEEE Transactions in Affective Computing》雜志上。
責編AJX
-
神經網絡
+關注
關注
42文章
4838瀏覽量
107752 -
AI
+關注
關注
91文章
39755瀏覽量
301364
發布評論請先 登錄
中興通訊崔麗受邀出席2025騰沖科學家論壇
NMSIS神經網絡庫使用介紹
在Ubuntu20.04系統中訓練神經網絡模型的一些經驗
CICC2033神經網絡部署相關操作
國際類腦計算科學家Yulia Sandamirskaya教授加盟時識科技
液態神經網絡(LNN):時間連續性與動態適應性的神經網絡
神經網絡的并行計算與加速技術
【「AI芯片:科技探索與AGI愿景」閱讀體驗】+AI的科學應用
如何在機器視覺中部署深度學習神經網絡
復星醫藥使用亞馬遜云科技生成式AI技術賦能醫療撰寫場景 助力科學家效率躍升
無刷電機小波神經網絡轉子位置檢測方法的研究
神經網絡專家系統在電機故障診斷中的應用
基于FPGA搭建神經網絡的步驟解析
科學家研發可判斷顏值的生成式神經網絡
評論