前陣子刷屏了的網易云音樂刷臉推歌著實讓大家內心又騷動了一把。

「上傳一張個人照片，AI會分析你的面部特征并推薦你一首歌。識別二維碼即可體驗」

利用網易AI的人臉關鍵點定位技術，對自己的照片進行了一番掃描計算，邊掃還邊向你發射糖衣炮彈：

“很治愈的長相，看著就會覺得幸福”

“恩，一雙自帶浪漫BGM的眼睛”

“這是一張連AI都心動的臉”

嘖嘖嘖，這情話值Max的小AI，社交媒體上的小姐姐們表示根本停不下來了。

雖然情話AI稍微有點拍馬屁的嫌疑，但是肩負“傳播正能量，弘揚真善美”光榮使命的它，其背后還是有科學依據的。

01

美學依據：

『美丑看比例，拒絕強行帥』

雖然隨著社會和流行文化的更迭發展，人們的審美會存在一定差異，比如有人會為某亮和某晗，創造了“丑帥”、“陰柔美”之類的新名詞，這類“強行帥”都是粉絲中了明星人格buff后創造的，也就是常說的情人眼里出西施。如果單純從藝術角度判斷美丑，千百年來的標準并沒有太多變化，那就是比例論。

大家都知道達芬奇非常尊崇黃金分割（黃金比例），在他的人像畫中很好地踐行了這個理論，也正是他提出了人的完美面孔比例，比如臉部的寬高比、內眼角角度、眼間距占比、嘴巴占臉寬比等等維度。

但是這套理論太不方便了，不利于傳播，老百姓總不能為了判斷美丑隨身帶一把尺去量人的鼻翼有多寬大吧。于是一位整形醫生根據這套比例結合自己十多年的整容經驗，打造了一個據說只有最美的人才能完美嵌套的面部比例面具-馬夸特面具。

你不要覺得玄乎，這個面具其實經歷了很多驗證的。你可以嘗試拿明星的正面照去套，好看的往往不會偏差太多。比如章子怡，面部線條和五官與這個面具無縫對接。除了國際章，我還拿了其他在常人眼中好看的明星的正面照去比對，也相差無幾。

「國際章和“凡間天使”奧黛麗的臉，真的是百看不厭」

圖片來源 百度圖片

至此，馬夸特面具和達芬奇的人臉比例就構成了情話AI的美學理論基礎。

但是這里有個bug：人是會動的。為什么幾乎所有主播的鏡頭總是放在側上方？因為這個角度人臉看起來最好看，面部比例最匹配馬夸特面具。所以這就出現了對情話AI的另一個要求：測量真實性。

02

數據依據：

『良心AI，童叟無欺』

為了保證全民公平測量，本次H5調用了網易AI的人臉分析接口，通過對面部關鍵點的定位，無論照片處于什么角度或者什么環境都能準確識別。無論你是正拍

還是側拍，

都能準確捕捉到你的面部數據。

另外，此次H5在發布當天就輕松達到千萬級的PV，這意味著情話AI在一天內要識別分析千萬級的人臉圖像，并且至少說1000萬次情話。

當然這不算什么，利用分布式技術，網易AI的日常廣告服務就可以支撐2000萬日訪問量，現在的千萬PV，還能再來一輪。

03

AI人臉分析的普及和『bug』

可能直至這次的刷臉推歌，很多人才意識到人臉分析技術居然有這功效，但事實上，人臉分析已經不是什么高科技技術了，iPhone X的人臉解鎖、支付寶的人臉驗證、還有每次張學友演唱會警察叔叔都能通過人臉識別抓到逃犯，這些都是人臉分析技術的一種。

早幾年谷歌就利用這項技術做了一個腦回路清奇的應用-看看你的照片和博物館的哪副畫作最像。

識別效果大家可以感受下。左上角是匹配度，右下角是畫作來源。（圖片來源 Twitter）

先來一組低分的。

再來一組高分的。

準確度幾分我不知道，傳神度可以說是滿分了。

為什么會出現如此奇葩的匹配結果呢？

要解釋這個問題，我們首先要知道人臉識別的兩個過程：采集（特征提取）、匹配（模型構建+特征比對）。

谷歌的“人與畫像”就是先采集你的照片，再與博物館的畫作匹配；iPhone X在新機設置Face ID時會讓你在鏡頭前轉來轉去以及眨眼睛，目的也是采集你的面部信息，為了之后每次解鎖屏幕的時候做匹配。

所以識別結果的準確率主要受制于兩個因素，

一、采集準確率，

二、用于模型構建的訓練人臉庫的大小。

解釋下：用兒童玩具相機拍的你和Canon 5D拍的肯定不一樣，前者拍的可能你爸媽都不一定認得出，這就是「采集準確率低」；但是如果用兒童相機全程跟蹤連拍你一整天最后形成一個照片集，你爸媽或許能從一些“招牌動作”（特征）辨別出這就是你，這就是因為「訓練人臉庫很龐大」。

所以為了做好人臉識別，AI工程師們一邊需要用更高級的設備采集人臉圖像，一邊需要擴充用于模型構建的訓練人臉庫。

比如iPhone X采用了 TrueDepth 攝像系統，雙攝像頭，其中一個為紅外攝像頭，還包含各種傳感器。它跟2D人臉識別的區別就是使用了結構光，通過右邊一個小投影儀投射帶形狀信息的紅外光斑到人臉上，左邊的攝像頭采集光斑的信息，根據形變和大小等逐一確定各個位置的深度和方向信息，最后得到人臉的點云生成3D模型。這樣的結果就是以防壞人拿著你的平面照片就解鎖你的手機了。

圖片來源 站長之家

在擴充訓練人臉數據庫上，出于對個人隱私信息的保護，AI工程師通常使用的是志愿者提供的人臉圖片數據（只有約1萬人），可想而知這個人臉信息有多稀缺。不過也不用擔心，AI工程師們還會利用數據擴增技術對這些原始數據進行擴增，一般能夠把數據規模提升數十倍甚至上百倍。