词条释义

自拍测相似明星，这句话就相当于一个指令：用前置摄像头拍一张脸，然后让程序在明星库中寻找几何上相似的脸孔。返回的数据量以及明星的名字一起形成了一个娱乐化的结果。它就像人脸的“连连看”，把你的五官比例与数据库进行配对。测出的是面部几何相似度，并不是对颜值的评判。

超级词语逐字拆

“自拍”是输入的意思，“测”是动作的意思，“相似”是判断标准的意思，“明星”是比对范围的意思。四个普通的词语放在一起就变成了一个有很高目的性的搜索引擎关键词。想要搜索这样的功能的人，不需要去描述一下界面的样子，在心里就已经默认了要进行“拍照—识别—得出结果”的操作。该类词语的核心就是动作链条完整、一气呵成。

最好的答案是什么样子的

一个好的答案是不会只给你一个明星的名字。它会说明使用什么样的设备、什么样的光线、什么样的表情、拍摄多少张、如何获取交叉的结果。还会说明百分比并不等于百分之百。最佳答案一般包括操作步骤、误差原因和结果范围这三个方面。只有一句话，“你就像某某一样”，这是半成品的答案。

底层逻辑

系统会先找到眼睛、鼻尖、嘴角、下巴、颧骨等重要的地方，并将脸部分成几十个小三角形网格。然后计算出眼睛距离、鼻子宽度、人中长度、下颌角度等等比例。把每一个比例都转换成数字之后，再与明星库中的数字进行比较。最接近的一组就是结果。它不会根据肤色、发型、妆容来判断，只会按照几何距离来进行判断。戴帽子拍一张照片，遮住发际线，结果可能会完全不同。

最佳拍摄条件

光亮适中，正面直视，不要用美颜。磨皮会使鼻翼的阴影被磨掉，瘦脸会改变下颌线，这样的改变直接改变了比例。背景要干净，不要让很多人一起出现在同一个画面里。一张原始相机、没有滤镜、自然光线下的正面照片，测得的结果最接近软件默认的基准值。仰拍会使下巴变长，俯拍会使中庭变短，这样就会把注意力吸引到另外一批明星身上。

相似度打分通俗来讲就是

软件给出的是85%，不能理解为你已经达到了八成五的状态。就相当于两个向量在脸型空间中所处的距离。距离越近，百分比就越大。把每个人的面孔比作一座城市，那么你住在东城，明星们住在西城，中间隔着几条街道。百分比表示的是“距离最近”的程度，并不是“长得很像”的绝对分数。70%以上的就已经是撞脸了，90%以上的就比较少见了。

翻车重灾区

因为光线比较暗，所以重要的地方就容易错位了。侧面自拍的时候，一只眼睛被压扁了，另一只眼睛的眼距也计算错了。夸张的表情，嘴巴张得太大了，人的中长度也出现了问题。刘海盖住眉毛，眉毛的骨头没有。戴墨镜就等于自残双眼。这样就会使算法把“缺失”当作“特征”，强行给你一个八竿子打不着的明星。表情越中性的结果就越稳定。

数据库差异

不同的软件明星库的大小是不一样的。小库只保存了几十个热门明星的信息，因此匹配的结果很容易出现雷同的情况。大库存有几千个面孔，可以选择的范围很广，但是命中率却很高。同一个自拍，在小库中可能会被当作A，在大库中则会变成B，这不是矛盾，而是因为参照物不同。用不同的尺子去量同一样式的桌子，得到的结果就会不一样。想要获得更加细化的结果的话，可以优先选择明星库中标注数量较大的软件，几百人组成的库要比几十人组成的库更有区分度。库很小，大家挤在一起都长成了一个样子，没有了参考意义。

提高准确率的一些小方法

一张照片，从三个不同的角度拍摄出三张照片，选出出现次数最多的人物作为明星。正面照一张，侧面照一张，平视照一张。三个结果可以互相校验。如果三次都用到同一个名字的话，基本上就可以推断出这张脸和那位明星在几何上是差不多的。使用不同的软件进行测试也会有类似的效应，在多个平台上达成的一致意见要比在一个平台上得出的结果更可靠。

结果使用说明

把结果当作社交谈资就好。看到有和某个明星相似的地方，就截图发给朋友，并且问一句，“像吗？”朋友笑了之后，这件事也就算了。不能把百分比当作选择伴侣的标准，也不能用它来面试演员。算法只看脸的比例，并不会考虑气质、神态、声音等因素。一些相似之处是静态的，一动起来就完全不同了。有的人就是角度像，换一个光路就会散开。

误区排雷

长得像明星并不表示长相等级相同。明星脸数据库样本量很大，普通的用户很容易被归类到某一类别中去。娃娃脸可以和圆脸的明星搭配，长脸可以和窄脸的明星搭配。这是根据脸型来匹配，并不是把五官都复制过去。测出“像刘亦菲”的人，并不一定是眼睛鼻子像，而是颅顶高度以及脸宽比例比较接近。

拓展阅读

该工具还可以反过来使用。想知道自己适合什么样的发型，可以看看和自己相配的明星们的发型。想了解眼镜框的选择方法，可以参考相似的明星们佩戴哪种类型的镜框不会显得很突兀。把其当作一个“人脸比例镜”，比起单纯的看百分比来更加有用。镜子不会回答美丑的问题，但是它可以反映出几何形状。看懂了比例就可以看懂匹配的结果。