在個(gè)性化的人臉吸引力的研究中，由于特征缺失和對(duì)于大眾審美的影響因素考慮不足，導(dǎo)致預(yù)測個(gè)人偏好無法到達(dá)很高的預(yù)測精度。為了提高預(yù)測精度，提出了一個(gè)基于特征級(jí)和決策級(jí)信息融合的個(gè)性化人臉吸引力預(yù)測框架。首先，將代表不同人臉美麗特征的客觀特性融合到一起，利用特征選擇算法挑選出具有代表性的人臉吸引力特征，并利用不同的信息融合策略將人臉局部、全局特征融合起來；然后，將傳統(tǒng)的人臉特征與通過深度網(wǎng)絡(luò)自動(dòng)提取的特征融合起來。同時(shí)，提出多種融合策略進(jìn)行對(duì)比，將代表著大眾審美偏好的評(píng)分信息與代表個(gè)人偏好的個(gè)性化評(píng)分信息進(jìn)行決策級(jí)融合，最終實(shí)現(xiàn)個(gè)性化的人臉吸引力預(yù)測評(píng)分。實(shí)驗(yàn)結(jié)果表明，相比現(xiàn)有針對(duì)個(gè)性化人臉吸引力評(píng)價(jià)研究的算法，所提的多層次融合方法在預(yù)測精度方面有顯著的提升，能夠達(dá)到Pearson相關(guān)系數(shù)0.9以上。該方法可用于個(gè)性化推薦、人臉美化等領(lǐng)域。

? ? ?深度學(xué)習(xí)和機(jī)器學(xué)習(xí)等技術(shù)的發(fā)展，可以使網(wǎng)絡(luò)自動(dòng)學(xué)習(xí)并選取多種特征用于分類或識(shí)別，從而達(dá)到很高的精度。在人臉檢測領(lǐng)域，因?yàn)槿四槹S富而又復(fù)雜的信息，往往會(huì)提取多種面部特征信息進(jìn)行融合并篩選，從而實(shí)現(xiàn)更高的檢測精度。在交友或面試等很多社交場合，人臉吸引力作為第一印象，發(fā)揮著很重要的作用。區(qū)別于簡單的人臉檢測，人臉吸引力的檢測不僅涉及到人臉的多種特征的融合，更包含個(gè)人的審美和大眾審美偏好等決策因素。目前人臉可用于吸引力分析的特征可分為兩大類：一類是臉型輪廓、幾何比例、膚色、對(duì)稱性等全局特征；一類是皮膚紋理、五官尺寸等局部特征。Eisenthal等提出基于人臉的37個(gè)距離特征和頭發(fā)顏色、面部平滑程度、人臉對(duì)稱性作為人臉吸引力程度的表征特征，這是在人臉吸引力預(yù)測領(lǐng)域的最初探索。