科學認證最討喜長相!眼睛大小、皮膚狀況沒那麼重要,符合這特點才是決勝關鍵

2017-12-15 08:00

? 人氣

第一個仔細研究平均臉孔的人是英國科學家高爾頓。大家知道他往往是因為他提出的優生學概念。他還在統計上頗有造詣,統計學家皮爾遜就是他的學生。在高爾頓研究犯罪分子的時候,他想到會不會犯罪分子的臉孔上有點犯罪特徵呢(當然這個理論不成立,不過很有現代科學家研究臉孔社會特徵的感覺)。

精通統計的他想到把這些臉孔平均起來:倘若犯罪份子的臉孔有犯罪特徵,那麼在多個犯罪份分子的相片(底片)疊加之後,犯罪特徵會被保留,而無關變數會相互消解;按照統計觀點,無關變數的影響會隨著樣本容量增加而消減,所以倘若有犯罪特徵肯定會在多張疊加之下顯露。

出乎意料,疊加的臉孔看起來並非惡貫滿盈;相較每一張被疊加的圖片,疊加的圖片顯得英俊。這一點在臉孔處理技術的提升下,成為臉孔研究的重點:平均化下的臉孔更加吸引人。

Langlois 教授早在1990 年那篇影響巨大的研究中發現平均化的臉孔更加美麗:平均抹去很多臉孔細節的棱角,例如我眼睛不大,平均化就能大一些,反正能好看點兒。按照Rhodes 教授的總結,研究臉孔美麗和平均性的文章,結果都指向平均性對臉孔美麗影響很大。

在一些實驗中,由於電腦技術的原因,圖片的平均有一個影響結果的副作用:簡單粗暴的平均也包含皮膚質地。大家都知道現在的相機有項磨皮功能,它就能提升臉孔的吸引力。就算是普通人,臉孔顏色更均勻,去除痘痘和疤痕是不是就好看很多?透過公式改進,保留一定的臉孔材質(盡可能少磨皮)的情況下,越平均的臉孔越美麗。

相信有讀者在這裡會感覺到奇怪:平均一般不都是中等水準嗎,為什麼在看臉孔的角度就變好看?在臉孔領域平均後的結果往往就是臉孔地圖的「中心圖片」、有代表性的圖片。有代表性的肖像可不只是平庸,它能反映整個群體中最有特點的表現(其餘的個體差異會被平均抹除),自然會比單一圖片好看一些。

當然,此處指的是大眾的臉孔,一張大眾臉若能更加平均就更好看一些,如果這個人本就美若天仙,平均的作用則不免微妙。Perrett 教授也指出,平均性要基於臉孔出現的文化和地區,他發現無論是英國還是日本,大家都喜歡那些臉孔趨近於中心的女性,但不同地域的人應該是趨近於他們各自地域的範本,甚至是他們各自認為的確好看的人的範本,而非一個共用的範本(這一點或多或少能解釋在美麗判斷上的文化差異)。

(圖/作者提供)
這張圖由35 張歐洲女性的肖像畫平均而來。儘管沒有達到沉魚落雁的程度,但是看起來比較好看,比較吸引人。因為平均能彰顯很多優秀的特質,也符合基本的「美麗標準」所以平均/典型化的臉孔吸引人。(圖/遠足提供)

為什麼平均化的臉孔會更好看呢?大致有兩個原因:第一個原因還是和臉孔地圖有關係,是較為淺層的,純粹與臉孔本身相關;第二個原因類似對稱性,越平均化的臉孔越具有代表性,昭示良好的基因。

關鍵字:
風傳媒歡迎各界分享發聲,來稿請寄至 opinion@storm.mg

本週最多人贊助文章