AI 얼굴 분석의 과학 — 뷰티 스코어, 대칭성, 황금비율의 비밀

얼굴 매력도, 측정할 수 있을까?

"아름다운 얼굴"에 대한 연구는 심리학, 진화생물학, 컴퓨터 비전 분야에서 수십 년간 축적되어 왔습니다. 그 핵심 결론은 놀랍도록 일관됩니다 — 대칭성, 평균성(averageness), 그리고 황금비에 가까운 비율을 가진 얼굴이 문화와 인종을 초월하여 높은 매력도 평가를 받는다는 것입니다.

Rhodes(2006)의 대규모 메타분석 논문 "The Evolutionary Psychology of Facial Beauty"(Annual Review of Psychology)는 얼굴 매력도의 세 가지 보편적 요인으로 대칭성(symmetry), 평균성(averageness), 성적 이형성(sexual dimorphism)을 제시했습니다. 컬러바이탈스의 AI 얼굴 분석은 이러한 연구 결과를 정량화 알고리즘으로 구현한 것입니다.

1. 얼굴 대칭성 — 유전적 건강의 신호

Grammer & Thornhill(1994)의 연구 "Human facial attractiveness and sexual selection"(Journal of Comparative Psychology)은 얼굴 대칭성이 높을수록 매력도 평가가 높아진다는 것을 실험적으로 증명했습니다. 진화심리학에서는 대칭적 얼굴이 발달 안정성(developmental stability)의 지표이며, 기생충 저항성과 유전적 건강을 반영한다고 설명합니다.

컬러바이탈스는 MediaPipe FaceMesh의 468개 랜드마크에서 5개 대칭 쌍(눈, 광대뼈, 턱, 입꼬리)을 추출하고, 코끝-턱 중심축으로부터의 좌우 편차를 계산합니다. 각 쌍의 편차를 얼굴 너비로 정규화하여 0~100점의 대칭 점수를 산출합니다.

Perrett 등(1999)의 연구 "Symmetry and human facial attractiveness"(Evolution and Human Behavior)에 따르면, 완벽한 대칭보다 약간의 비대칭이 있는 얼굴이 자연스럽고 매력적으로 느껴질 수 있습니다. 실제로 인간의 얼굴은 100% 대칭인 경우가 거의 없으며, 85점 이상이면 매우 높은 대칭성으로 평가됩니다.

2. 삼정(三停)과 오안법(五眼法) — 신고전주의 비례 기준

삼정(三停): 얼굴의 수직 3등분

얼굴을 수직으로 3등분하는 삼정 분석은 레오나르도 다 빈치의 "인체 비례론"에서도 등장하는 고전적 미의 기준입니다. 현대 성형외과학에서는 이를 "신고전주의 정면 비례(Neoclassical Facial Canons)"라 부릅니다.

Farkas 등(1985)의 연구 "Anthropometry of the Head and Face in Medicine"에서 측정한 북미 인구의 이상적 삼정 비율은 거의 1:1:1에 가깝습니다. 반면 동아시아인을 대상으로 한 연구(Choe 등, 2004, "An analysis of the facial proportions of Korean-Americans")에서는 중정이 약간 긴 1:1.15:1.02 비율이 조화로운 것으로 나타났습니다. 컬러바이탈스는 이 동아시아 기준을 적용하여 비율 편차를 점수로 환산합니다.

오안법(五眼法): 얼굴의 수평 5등분

얼굴을 수평으로 눈 너비 5개 분량으로 나누는 오안법은 동양 인물화의 핵심 비례법이자, 서양 초상화에서도 동일하게 사용됩니다. 이상적인 경우 5개 구간의 너비가 거의 동일합니다.

• 1구간: 우측 광대 ~ 우측 눈꼬리
• 2구간: 우측 눈꼬리 ~ 우측 눈머리 (오른쪽 눈 너비)
• 3구간: 우측 눈머리 ~ 좌측 눈머리 (미간 너비)
• 4구간: 좌측 눈머리 ~ 좌측 눈꼬리 (왼쪽 눈 너비)
• 5구간: 좌측 눈꼬리 ~ 좌측 광대

각 구간의 비율이 1:1:1:1:1에 가까울수록 높은 점수를 받습니다. 특히 미간 너비(3구간)가 눈 너비와 비슷한 것이 동서양 모두에서 조화로운 비율로 간주됩니다.

3. 뷰티 스코어 산출 공식

컬러바이탈스의 뷰티 스코어는 4가지 요소를 가중 평균한 후 시그모이드 변환을 거쳐 50~90 범위로 정규화합니다. 이 범위 설정은 모든 얼굴이 고유한 매력을 가진다는 전제하에, 극단적 저점수를 배제하기 위한 것입니다.

4. 핵심 얼굴 비율 지표

뷰티 스코어 외에도 컬러바이탈스는 안면 과학 연구에서 중요한 개별 비율 지표들을 제공합니다:

특히 fWHR(Facial Width-to-Height Ratio)은 Carré & McCormick(2008, "In your face: facial metrics predict aggressive behaviour")에서 성격 특성과의 상관관계가 보고된 이후, 사회심리학과 진화심리학에서 활발히 연구되는 지표입니다.

5. 얼굴형 분류의 과학

컬러바이탈스는 Facial Index(얼굴높이/너비), 턱 너비 비율, 이마 너비 비율을 조합하여 6가지 얼굴형을 자동 분류합니다:

6. AI 얼굴 분석의 한계와 올바른 해석

얼굴 매력도는 비율과 대칭성만으로 설명되지 않습니다. Langlois 등(2000)의 메타분석은 표정, 피부 질감, 머리카락, 전체적인 분위기가 매력도 판단에 큰 영향을 미친다고 보고했습니다. 또한 매력도는 문화적 맥락, 개인적 선호, 익숙함(mere exposure effect)에 따라 달라집니다.

컬러바이탈스의 뷰티 스코어는 수십 년간의 안면 비례 연구를 기반으로 한 참고 지표입니다. 이 점수는 "절대적 아름다움"을 평가하는 것이 아니라, 고전적 비례 기준과의 근접도를 수치화한 것으로 이해해야 합니다. 모든 얼굴은 고유한 매력과 개성을 가지고 있습니다.

참고 문헌

• Rhodes, G. (2006). The evolutionary psychology of facial beauty. Annual Review of Psychology, 57, 199-226.
• Grammer, K., & Thornhill, R. (1994). Human facial attractiveness and sexual selection. Journal of Comparative Psychology, 108(3), 233-242.
• Perrett, D.I. et al. (1999). Symmetry and human facial attractiveness. Evolution and Human Behavior, 20(5), 295-307.
• Farkas, L.G. (1985). Anthropometry of the Head and Face in Medicine. Elsevier.
• Choe, K.S. et al. (2004). An analysis of the facial proportions of Korean-Americans. Archives of Facial Plastic Surgery, 6(4), 244-252.
• Carré, J.M., & McCormick, C.M. (2008). In your face: facial metrics predict aggressive behaviour. Proceedings of the Royal Society B, 275(1651), 2651-2656.
• Langlois, J.H. et al. (2000). Maxims or myths of beauty? Psychological Bulletin, 126(3), 390-423.