ملاحقة الجمال بواسطة الذكاء الاصطناعي

نظام تقييم الجمال مدفوع بالذكاء الاصطناعي يقيّم مدى جاذبية الوجوه، بينما يتم تدريبه بشكل أسرع من النماذج العميقة التقليدية، مما قد يجعل التقييم الآلي الكبير للمعايير الجمالية أكثر واقعية.

تنبؤ الجمال الوجهي (FBP) هو عمل تجاري كبير، وخط قوي في الأدب البحثي. على الرغم من كسر معظم المبادئ التوجيهية لمكافحة التحيز في الذكاء الاصطناعي وتطبيقات التعلم الآلي، ودعم التحديد والاختزال في تصورات الخوارزميات للنساء، إلا أنه يجذب اهتمام العديد من الصناعات التي تبلغ قيمتها مليارات الدولارات، معظمها موجهة مباشرة إلى النساء، مثل مستحضرات التجميل، وجراحة الوجه التجميلية، والبث المباشر، والأزياء، وغيرها:

نساء مصنفات من 1 إلى 5، من ورقة ‘تنبؤ الجمال الوجهي الأنثوي الآسيوي باستخدام الشبكات العصبية العميقة عبر التعلم النقل والمصادر متعددة القنوات’. مصدر

خارج هذه المناطق التجارية الأنثوية الواضحة، تتمتع الإعلانات والصناعات الأخرى، بما في ذلك الترفيه والنشر، بمصالح ملحوظة في فهم ما يجد الرجال والنساء جذابًا، بشكل ضروري على أساس كل ثقافة.

حقيقة أن تصورات الجمال تختلف عبر المناطق تعني أنه لا يمكن الحصول على مجموعات بيانات تطبيقية عالمية، وأن البحث الجديد يجب أن يبقى محليًا أو يركز على طرق عالية المستوى يمكن تطبيقها عبر بيانات ثقافية متنوعة.

واجهة لنظام تقييم الجمال الوجهي لمشروع SCUT-FBP 2015. مصدر

في كثير من الأحيان، لا تكون الموقع الجغرافي هو الحد الوحيد، لأن مجموعات بيانات التركيز على الجاذبية قد تواجه صعوبة في تقديم فعالية متساوية عبر الجنسين، أو قد تم تجميعها لغرض معين – وهذا قد يحد من استخدام المجموعة في مجالات أخرى.

على سبيل المثال، في عام 2025، قمت بتقرير عن تطوير مجموعة بيانات كبيرة النطاق (100000+ هوية) لتقييم الجاذبية في البث المباشر، والتي قد تحتاج إلى تعديلات ملحوظة لل مشاريع أوسع نطاق، على الرغم من الجهد الهائل خلف المبادرة.

التمثيل الوجهي

كما قد يكون واضحًا من الروابط والصور أعلاه، فإن الهيئات البحثية الآسيوية غالبًا ما لا تعمل تحت نفس القيود الثقافية مثل نظرائهم الغربيين، الذين سيجدون صعوبة في نشر صورة علمية تُقيّم خمس نساء غربيات من الأقل إلى الأكثر جاذبية، كما نرى في الدراسة الموضحة أعلاه.

يمكن القول أن حيث يتم إثبات فعالية أنظمة هذا النوع من الأصل الآسيوي في المجال العام، دون خوف من النقد المحلي، يمكن لل兴趣 الغربية استخدام أو تعديل مثل هذا البحث في التطبيقات الخاصة، فإن مهمة “تقييم النساء” في ذلك السيناريو يتم إعادة توجيهها إلى موقع يمكن فيه متابعتها دون انتقاد.

إذا كان هذا شائعًا أو إذا كانت الأنظمة الغربية المكافئة أقل شهرة تم تطويرها بعيدًا عن التعاون المفتوح ومراقبة عامة، فمن المعقول أن نفترض أن الهدف المستهدف هو مصلحة عالمية، بسبب عدد كبير من القطاعات المهنية التي يمكن أن تستفيد من تقييمات دقيقة للجاذبية.

بقاء الأقوى

قد يبدو أن مجموعات كبيرة قابلة للفهرسة مثل Tik Tok و Instagram و YouTube ستثبت أنها حكام جيدون للجمال، من خلال الارتباط بين المتابعين والإعجابات والmovement مع الجاذبية، منذ أن هذا هو ارتباط شائع ومعقول (على الرغم من بعض الاستثناءات).

كما أن المجموعات الحالية – مثل ImageNet و LAION – التي تضم ممثلين ونمذجين “صعدوا إلى أعلى” – غالبًا ما تضم أفرادًا جذابين (على الرغم من أن هناك العديد من نقاط البيانات لعدد قليل من الناس)، مما يسمح لآليات ثقافية أوسع بالعمل كبديل للجاذبية.

然而، هذا لا يأخذ في الاعتبار التغيرات في الذوق فيما يجد الناس جذابًا مع مرور الوقت (ناهيك عن جغرافيًا). لذلك، مرة أخرى، يتم الحاجة إلى أنظمة عالية المستوى ومتجردة من البيانات، وليس مجموعات فردية أو مختارة التي قد تفشل في反映 التغيرات في الذوق.

البشرة المتناسقة

الدخول الأكاديمي الأخير لمواجهة هذه التحديات يأتي من الصين، حيث يتم الجمع بين التعلم النقلي ونظام التعلم الواسع (BLS) لمواجهة العلاقة الطويلة الأمد بين الدقة والتكلفة الحاسوبية.

الشبكات العصبية التقليدية تميل إلى تحقيق نتائج قوية فقط مع التدريب الثقيل، بينما الأنظمة الأخف مثل BLS تتدرب بسرعة، ولكنها تكافح لالتقاط التفاصيل الكافية. يعمل العمل الجديد على جسر هذه الفجوة من خلال استخدام نموذج مرئي مسبق التدريب لاستخراج سمات الوجه، والتي يتم بعد ذلك تمريرها إلى نظام BLS السريع لالتقاط النقاط، مما يسمح بإعادة استخدام السمات بدلاً من تعلمها من الصفر، مع الحفاظ على كفاءة التدريب:

صور عينة من مجموعة بيانات LSAFBD، تظهر وجوه نسائية تم تجميعها حسب درجات الجمال المحددة من قبل البشر من 1 إلى 5. مصدر

النسبة الأولى من الاختلافات المقدمة في العمل (E-BLS، انظر أدناه)، تغذي السمات المستخرجة مباشرة إلى النظام الخفيف، بينما البديل الثاني، ER-BLS (انظر أدناه أيضًا)، يضيف مرحلة معالجة متوسطة بين مستخرج السمات EfficientNet و BLS، بهدف تحسين كيفية تحضير تلك السمات قبل استخدامها للتنبؤ:

الاختبارات التي أجراها المؤلفون يثبتون، كما يزعمون، أن نهجهم أفضل من أي طريقة منفردة، ومن الطرق المنافسة الأخرى.

الورقة الجديدة بعنوان تنبؤ الجمال الوجهي بالجمع بين التعلم النقلي ونظام التعلم الواسع، ويأتي من ستة باحثين في جامعة Wuyi، Jiangmen.

الطريقة

نظام التعلم الواسع المذكور أعلاه هو بديل خفيف للشبكات العصبية العميقة، الذي يتخطى تركيب طبقات متعددة، وبدلاً من ذلك ينتشر التعلم عبر مجموعة واسعة من الاتصالات البسيطة، مما يسمح للنماذج بالتدريب بسرعة – ولكن عادةً مع فقدان التفاصيل البصرية الدقيقة.

النسبة الأولى من الاختلافات، E-BLS، يجمع بين التعلم النقلي القائم على EfficientNet ونظام التعلم الواسع، مستخرج سمات بصرية متفصلة من الوجه، ثم تمريرها إلى نظام BLS، مما ينتج عنها تنبؤ نهائي يتجنب الحاجة إلى تدريب شبكة عصبية عميقة كاملة من الصفر:

مخطط هيكلي لنموذج E-BLS.

EfficientNet، الذي تم تدريبه مسبقًا على ImageNet-1k، ويتم الاحتفاظ به بشكل كبير دون تغيير، يحول كل صورة مدخلة إلى مجموعة من قيم السمات المضغوطة التي تصف الوجه بطريقة منظمة، بينما يأخذ BLS تلك القيم ويمتلكها عبر شبكة من العقد البسيطة المرتبطة عشوائيًا التي تتحول وتركز المعلومات، قبل إنتاج درجة الجاذبية النهائية.

由于 BLS لا يعتمد على هياكل الطبقات العميقة، يمكن تحديث E-BLS بإضافة المزيد من العقد بدلاً من إعادة تدريب النظام بأكمله، مما يحافظ على سرعة التدريب ويجعل من السهل تحسين النموذج مع تقديم بيانات جديدة.

النسبة الثانية من الاختلافات، ER-BLS، يبني على E-BLS من خلال إدراج مرحلة معالجة إضافية بين مستخرج سمات EfficientNet و BLS، بهدف تحسين كيفية تحضير تلك السمات قبل استخدامها للتنبؤ:

هيكل نموذج ER-BLS.

بدلاً من إرسال سمات EfficientNet الخام مباشرة إلى BLS، يمرر ER-BLSها أولاً عبر طبقة تدوير التي تطبيع وتشكل البيانات، مما يساعد على تقليل الضوضاء، وجعل السمات أكثر ثباتًا عبر الصور المختلفة. هذه المرحلة مصممة لتحسين كيفية تعميم النظام، خاصة عند اختلاف الوجوه في الإضاءة أو الموقف أو ظروف بصرية أخرى قد تؤدي إلى عدم استقرار في التنبؤات.

تتم تمرير السمات المعدلة بعد ذلك إلى نفس هيكل BLS المستخدم في E-BLS، حيث يتم تحويل عقد السمات وعقد التطوير وتجميع المعلومات لإنتاج درجة الجاذبية النهائية.

البيانات والاختبارات

لاختبار نهجهم، استخدم المؤلفون مجموعة بيانات SCUT-FBP5500، وهي مجموعة تنبؤ الجمال الوجهي من جامعة جنوب الصين، تحتوي على 5500 صورة وجه أمامية بحجم 350x350px، تضم أجناسًا وآذان وأعمارًا متنوعة:

صور عينة من مجموعة بيانات SCUT-FBP5500، تظهر صور الوجه مع درجات الجمال المختلفة.

تم تصنيف كل صورة بدرجة جمال بواسطة 60 متطوعًا، على مقياس من 1 إلى 5، يتراوح من غير جذاب للغاية (1) إلى جذاب للغاية (5):

تقسيم النسب المئوية للصور حسب تصنيف الجمال.

المجموعة الأخرى المستخدمة كانت مجموعة Large-Scale Asian Female Beauty Dataset (LSAFBD) التي جمعتها المؤلفون أنفسهم.

صور عينة من مجموعة بيانات LSAFBD، تظهر صور الوجه مع درجات الجمال المختلفة.

تم تقسيم كل مجموعة بيانات إلى مقاطع تدريب واختبار بنسبة 8/20، واستخدم التحقق العشوائي لتحقيق استقرار النتائج عبر التشغيل. تم تكوين مكون BLS من خلال عدد نوافذ السمات، وعدد العقد في كل نافذة، وعدد العقد التطويرية، مع استخدام Hyperopt للبحث عن مجموعات فعالة.

为了 تحديد قاعدة خط الأساس، تم تدريب نموذج BLS قياسي في نفس الإعدادات، ثم تم تقديم سلسلة من نماذج التعلم النقلي، بما في ذلك ResNet50، Inception-V3، DenseNet121، InceptionResNetV2، EfficientNetB7، MobileNetV2، NASNet، و Xception – جميعها تم 초기تها مع أوزان ImageNet-1k، وتم تدريبها مع طبقاتها النهائية غير مجمدة.

استخدم التدريب معدل تعلم 0.001 (تم تقليله عند توقف التقدم)، وحجم.batch 16، عبر 50 epoch، مع تطبيق التنظيم وتنشيط الخطي المستقيم (ReLU) في جميع أنحاء.

تم تقييم الأداء باستخدام الدقة والارتباط البيرسوني، إلى جانب وقت التدريب الإجمالي، مع نتائج متوسطة عبر خمس تشغيلات.

أفاد المؤلفون أن إعداد التدريب كان معالج Intel-i7 3.6 GHz CPU و 64GB RAM على “كمبيوتر مكتب”:

مقارنة الأداء على SCUT-FBP5500، حيث يحقق E-BLS و ER-BLS دقة تنافسية ضد نماذج CNN العميقة بما في ذلك ResNet50، EfficientNetB7، InceptionV3، و Xception، بينما يتطلب وقت تدريب أقل بكثير – مما يبرز مكاسب الكفاءة من الجمع بين التعلم النقلي ونظام التعلم الواسع.

أشارت النتائج إلى أن E-BLS قد حسنت الدقة من 65.85% إلى 73.13%، بينما بلغ ER-BLS 74.69%، متجاوزًا جميع النماذج المقارنة. بقي وقت التدريب أقل بكثير من نماذج CNN العميقة، عند حوالي 1300 ثانية، مقابل آلاف أو أكثر من 25000 ثانية.

对于 الاختبارات على LSAFBD، أظهرت النتائج أن E-BLS قد حسنت الدقة أكثر من BLS العادي، بينما حقق ER-BLS أعلى دقة بين جميع الطرق المقارنة:

أداء على LSAFBD، حيث يقدم ER-BLS و E-BLS دقة أعلى من جميع نماذج الأساس والتعلم النقلي، بينما يتطلب فقط جزءًا من وقت التدريب – مما يشير إلى ميزة متسقة في الكفاءة دون التضحية بالجودة التنبؤية.

كلا البديلين حافظ على وقت تدريب أقل بكثير من نماذج CNN العميقة، مما يشير إلى توازن أكثر كفاءة بين الأداء والتكلفة الحاسوبية.

الاستنتاج

هذا هو نوع من المنشورات “الرجعية”، كما هو مبين من استخدامه لمفضلات ما قبل الازدهار مثل CNNs، ومن خلال استخدام معدات التدريب منخفضة المستوى التي واجهتها في ورقة جديدة في السنوات القليلة الماضية.

على الرغم من ذلك، فهو يتعامل مع هدفًا متجددًا بشكل مفاجئ في رؤية الكمبيوتر؛ هدف يلمس بشدة الخبرة الإنسانية والتفسيرات الذاتية، ويتطلب مخططًا ينتقل عبر اتجاهات الجمال في الوقت الحالي، ويمكن أن يوفر خط أنابيب حقيقيًا قويًا للمهمة.

نشر لأول مرة يوم الخميس، 19 مارس 2026