분석 방법론
호감도가 얼굴 분석 결과를 도출하는 기술적 원리와 데이터 구축 과정을 투명하게 공개합니다
최종 업데이트:
🧰 핵심 기술 스택
호감도는 다음의 검증된 오픈소스 및 공식 AI 모델을 사용합니다:
-
Google MediaPipe Face LandmarkerGoogle이 공개한 오픈소스 얼굴 랜드마크 감지 프레임워크. 478개의 3D 얼굴 포인트를 실시간으로 추출합니다. 공식 문서 →
-
ArcFace (DeepFace 라이브러리)얼굴을 512차원 벡터(임베딩)로 변환하여 유사도를 측정하는 딥러닝 모델. 얼굴 인식 업계 표준 모델 중 하나로 널리 사용됩니다. DeepFace GitHub →
-
자체 개발 스코어링 알고리즘11개 얼굴 메트릭스(얼굴 비율, 눈 크기, 광대뼈, 입술, 턱선 등)와 국가별 임베딩 데이터를 결합하여 139개국 호감도 점수를 계산합니다.
⚙️ 분석 파이프라인
업로드된 사진에서 MediaPipe가 얼굴 위치를 감지하고 478개의 3D 랜드마크 좌표(x, y, z)를 추출합니다. 이 과정은 브라우저에서 로컬로 실행되어 원본 이미지가 서버로 전송되지 않습니다.
랜드마크 좌표로부터 11가지 얼굴 비율 메트릭을 계산합니다: 얼굴 가로세로비, 눈 크기 비율, 미간 거리, 코 비율, 입술 두께, 턱선 각도, 광대뼈 너비, 얼굴 대칭성 등.
ArcFace로 추출한 512차원 임베딩 벡터를 사전 구축된 각 국가별 평균 임베딩과 코사인 유사도로 비교합니다.
메트릭 유사도와 임베딩 유사도를 가중 평균하여 139개국 각각의 호감도 점수(0-100)를 계산합니다. 동일 지역 내 국가들은 지역적 특성이 반영되도록 추가 보정이 적용됩니다.
📐 얼굴 메트릭 용어집
분석 결과와 통계 페이지에서 사용하는 6가지 핵심 메트릭의 정의입니다. 모든 값은 랜드마크 좌표로부터 계산된 비율이며, 절대 크기가 아닌 얼굴 내 상대 비율을 나타냅니다.
얼굴의 세로 길이를 가로 너비로 나눈 비율입니다. 값이 클수록 얼굴이 길고, 작을수록 둥근 편입니다.
얼굴 전체 크기 대비 눈의 면적 비율입니다. 값이 클수록 얼굴에서 눈이 차지하는 비중이 큽니다.
턱선 윤곽이 얼마나 또렷하고 각진지를 나타내는 지표입니다. 값이 클수록 윤곽이 뚜렷합니다.
얼굴 좌우의 랜드마크가 얼마나 대칭을 이루는지를 0~1로 측정한 값입니다. 1에 가까울수록 대칭적입니다.
얼굴 크기 대비 코의 크기 비율입니다. 코의 길이와 너비를 종합해 산출합니다.
얼굴 크기 대비 입술의 두께 비율입니다. 값이 클수록 입술이 도톰한 편입니다.
🌐 데이터 커버리지
현재 호감도의 국가별 평균 메트릭 데이터셋은 다음 규모로 구축되어 있습니다. 모든 수치는 집계된 평균값이며 개별 인물을 식별하지 않습니다.
📊 데이터 출처
국가별 얼굴 특징 데이터베이스는 다음 공개 데이터셋 및 출처를 기반으로 구축되었습니다:
- 공개된 인구 통계 및 인류학 문헌의 얼굴 계측 데이터
- 각 국가의 얼굴 이미지 공개 데이터셋을 집계한 평균 임베딩 (개별 인물 식별 불가)
- 각 문화권의 미적 선호도에 관한 공개 연구 및 설문 자료
데이터는 특정 개인의 얼굴이 아닌 '각 국가의 평균적 특징'을 나타내는 집계 정보이며, 수시로 개선·갱신됩니다.
⚠️ 한계와 주의사항
호감도의 분석 결과를 올바르게 이해하기 위해 다음 한계를 명시합니다:
- '호감도'는 각 국가의 '평균적 경향성' 기반 참고 지표이며, 개인의 실제 선호를 대표하지 않습니다.
- 아름다움의 기준은 주관적이며 시대·문화에 따라 변화합니다. 본 서비스는 과학적 판정이 아닌 엔터테인먼트 참고 자료로 제공됩니다.
- 조명, 각도, 표정, 해상도 등 촬영 조건이 분석 결과에 영향을 줄 수 있습니다.
- 특정 인종·국가·외모를 우월하거나 열등한 것으로 해석하는 근거로 사용되어서는 안 됩니다.
📜 알고리즘 개선 이력
지역별 편향 튜닝 완료 — 8개 지역 전체에서 이상치 편차 15.2pp까지 축소
ArcFace 임베딩 도입으로 기하학 메트릭 단독 방식 대비 정확도 향상
MediaPipe Face Landmarker 기반 초기 모델 출시 (139개국)