用 AI 比较模仿艺人与本人的脸
AV女優AI顔診断研究所(AIAVMATCH LAB)・2026/11/02

所长!我用 AI 比较了模仿艺人和他们模仿的本人!

哦,那些表演真是精彩啊。脸也应该一模一样吧?

想知道吗?

别卖关子了。

先说结论:用面部骨架来测量的话,4 组都几乎落在「陌生人之间」的范围内。

什么?!
如何比较

从模型上来说,这和上一篇《“长得像”到底是什么》用的是同样的方法。把脸转换成128 个数字,再测量两组数字的方向有多接近。

照片用的是可以按公共许可(CC)使用的照片,每人一张。模仿的组合也只选了在本人介绍文章里作为保留曲目列出的 4 组。

另外,名字有一部分做了遮字处理。照片也不会刊登。测量是在研究所手边完成的。
结果:4 组的“接近度”
| 模仿者 → 被模仿者 | 接近度(至 0.3) | 接近度 | 陌生人组合中的上位 |
|---|---|---|---|
| キンタ○ー。 → 前田○子 | 0.14 | 21.6% | |
| 山本高○ → 織田○二 | 0.21 | 8.1% | |
| ホ○ → 木村○哉 | 0.11 | 27% | |
| 清水ミ○コ → 宇多田ヒ○ル | 0.22 | 5.4% |
柱条中的竖线是陌生人组合上位 5% 的分界线(0.22)。“陌生人组合中的上位”指的是在其余74组组合中,比这一组更接近的组合所占的比例。

4 组的平均是0.17。其余的陌生人组合共74组,平均是0.06,最接近的一组也只有0.25。

也就是说,比陌生人的平均稍微接近一点,但是……

是的。但并不是遥遥领先地接近。最接近的两组(0.21 和 0.22),在陌生人组合里也有差不多接近的组合。

原来我觉得“一模一样”的,并不是面部骨架啊……
那么,是什么造就了“像”

模仿并不是把脸模仿得像的艺术。声音、表情、眼神、小动作、招牌姿势。是挑选出几个“这个人之所以是这个人”的特点,再加以夸张。

还有发型、服装和化妆呢。拿着照片去说“请把我弄成这个人这样”,做的事其实很接近。

不要再提我理发店的那件事了。

AI 测量的,是那种夸张“之前”的面部骨架。所以,模仿得好的人,和骨架接近的人,是两回事。

……“像”不是模仿的人创造出来的,而是在看的人脑子里完成的。

……(无言地鼓掌)
不能断言的事情

等一下。到这里为止都是“观察”,不是结论,先说清楚。

是……只有 4 组,每人只有一张照片。而且照片中脸的大小差别相当大(宽 48〜385 像素)。脸越小的照片,数字就越不稳定。

角度、光线、拍摄年份都会让数字变化。所以不能凭这些数字就说“这位艺人和本人不像”之类的话。能说的只有:在这 4 组的照片所测得的范围内,骨架的接近程度与陌生人之间并没有太大差别,就到这里为止。

要真正验证的话,需要每人用几十张照片,把角度和表情对齐后取平均。和人脸数据库里对女优们做的,是同一套做法。
今天的教训

今天的教训是这样的。造就“像”的,不只是面部骨架。发型、化妆、表情、眼神……选择强调什么,人就会觉得像。

所以下一次,我们终于要分解“氛围感”了!发型、化妆、表情、眼神。到底哪个影响最大,我们用数字来看看。

我很期待哦。

喵—(在键盘上舔毛)
测量方法
- 使用了 Wikimedia Commons 上公共许可(CC)的照片,每人一张,共 13 张。照片不在本站刊登
- 从每张照片中取出最大的一个脸,用人脸识别模型转换成 128 个数字(与人脸诊断使用同一模型)
- 接近度是两组数字向量方向的接近程度(余弦相似度)。越接近 1,方向越一致
- 陌生人之间的比较,使用的是同 13 张照片中不是模仿组合的74组
- 名字有一部分做了遮字处理。本文是娱乐性质的观察,并非对特定人物的评价
其他文章与工具
- 《“长得像”到底是什么》:上一篇专栏——AI 看的是骨架,人看的是氛围
- 用人脸照片诊断:寻找面部骨架接近的女优
- 按发型寻找:可以按作品选择影响氛围的发型