人脸空间

人脸空间是心理学的一个理论概念，它是一个多维空间，可识别的人脸被储存在其中。在这个空间里，人脸是根据人脸本身的不变特征来表示的。然而，最近从理论上证明，人脸也可以根据其动态特征存储在人脸空间中，在这种情况下，所产生的空间表现出一种双重结构。

脸部空间对于解释脸部识别的各个方面都很有用，包括对自己种族的偏见、独特性和漫画效应。

面部空间框架是一个心理学模型，它解释了（成年）人类如何处理和存储面部信息，我们利用这些信息进行面部识别。它是多维的，每个维度都由某些面部特征来分类，其中一些可能是：脸型、头发颜色和长度、两眼之间的距离、年龄和男性化。然而，这些并不是为了识别而分类的，从理论上讲，人脸空间的维度可以包括任何可识别的面部特征。该模型假设每张脸在心理上被表示为这个心理空间中的一个特定位置（根据其维度），脸的相似性与它们之间的距离相对应；相似的脸更靠近，而不同的脸则相距更远。要解释人脸空间的特征，也需要数学假设。人脸空间的中心点（即原点）代表了人脸特征所有维度的中心趋势，而存储的人脸被认为在所有这些维度上都有正常分布。因此，人脸在原点的排列最密集，看起来最典型，而离原点越远，人脸就越稀疏，越有特色。将人脸存储在人脸空间的特定位置涉及到将人脸数据编码到帧的维度中。然而，编码从来不是完美的；任何阻碍人脸识别的因素都会诱发编码错误。像负面的颜色、最短的观看时间，以及观看人脸时的倒置（向后看）等因素都会xxx增加其编码误差。

两种略有不同的人脸空间模型是标准的：典范和典范人脸空间。这两种模型都在一个多维的心理空间中对人脸进行编码，并考虑到诸如种族和反转等因素。然而，它们对人脸在空间中的位置的解释是不同的；或者是作为"规范人脸"的一个向量，或者是作为与其他人脸的距离。在基于规范的模型中，人脸是相对于原点的中心人脸进行编码的："规范人脸"。面孔使用这个典型的矢量进行排列，矢量的长度和方向参数分别由面孔的独特性和特性决定。在基于典范的模型中，人脸被编码为空间中的单个点，而不是相对于典范人脸的向量。在这个模型中，与其他面孔的相似性是由面孔之间的相对距离决定的。

一些研究发现，具有独特特征的人脸比典型的人脸更容易被识别。人脸空间框架能够解释这一发现，因为它假设人脸在其各维度上是正常分布的。因此，在模型的原点发现了许多典型的面孔，而在更远的地方则发现了越来越多的有特色但不常见的面孔。因此，与众不同的面孔由于在面孔空间中与其他面孔的距离较大（示范密度低），不太可能与这些其他面孔混淆，从而导致更好的识别。漫画效应指的是发现漫画脸比真实（原始）脸更容易识别。漫画将个别面孔与"平均"面孔（原始面孔的简化版本）进行比较，并夸大所发现的面部差异，从而使原始面孔具有更明显的特征。漫画所引起的更大的变异性解释了漫画效应：原始面孔比漫画更典型，因此在面孔空间的一个更拥挤的区域，而更有特色的漫画则在更远处。