用 AI 比較模仿藝人與本人的臉
AV女優AI顔診断研究所(AIAVMATCH LAB)・2026/11/02

所長!我用 AI 比較了模仿藝人和他們模仿的本人!

哦,那些表演真是精彩啊。臉也應該一模一樣吧?

想知道嗎?

別賣關子了。

先說結論:用臉部骨架來測量的話,4 組都幾乎落在「陌生人之間」的範圍內。

什麼?!
如何比較

從模型上來說,這和上一篇《「長得像」到底是什麼》用的是同樣的方法。把臉轉換成128 個數字,再測量兩組數字的方向有多接近。

照片用的是可以按公共授權(CC)使用的照片,每人一張。模仿的組合也只選了在本人介紹文章裡作為保留曲目列出的 4 組。

另外,名字有一部分做了遮字處理。照片也不會刊登。測量是在研究所手邊完成的。
結果:4 組的「接近度」
| 模仿者 → 被模仿者 | 接近度(至 0.3) | 接近度 | 陌生人組合中的上位 |
|---|---|---|---|
| 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% |
柱條中的豎線是陌生人組合上位 5% 的分界線(0.22)。「陌生人組合中的上位」指的是在其餘74組組合中,比這一組更接近的組合所佔的比例。

4 組的平均是0.17。其餘的陌生人組合共74組,平均是0.06,最接近的一組也只有0.25。

也就是說,比陌生人的平均稍微接近一點,但是……

是的。但並不是遙遙領先地接近。最接近的兩組(0.21 和 0.22),在陌生人組合裡也有差不多接近的組合。

原來我覺得「一模一樣」的,並不是臉部骨架啊……
那麼,是什麼造就了「像」

模仿並不是把臉模仿得像的藝術。聲音、表情、眼神、小動作、招牌姿勢。是挑選出幾個「這個人之所以是這個人」的特點,再加以誇張。

還有髮型、服裝和化妝呢。拿著照片去說「請把我弄成這個人這樣」,做的事其實很接近。

不要再提我理髮店的那件事了。

AI 測量的,是那種誇張「之前」的臉部骨架。所以,模仿得好的人,和骨架接近的人,是兩回事。

……「像」不是模仿的人創造出來的,而是在看的人腦子裡完成的。

……(無言地鼓掌)
不能斷言的事情

等一下。到這裡為止都是「觀察」,不是結論,先說清楚。

是……只有 4 組,每人只有一張照片。而且照片中臉的大小差別相當大(寬 48〜385 像素)。臉越小的照片,數字就越不穩定。

角度、光線、拍攝年份都會讓數字變化。所以不能憑這些數字就說「這位藝人和本人不像」之類的話。能說的只有:在這 4 組的照片所測得的範圍內,骨架的接近程度與陌生人之間並沒有太大差別,就到這裡為止。

要真正驗證的話,需要每人用幾十張照片,把角度和表情對齊後取平均。和人臉資料庫裡對女優們做的,是同一套做法。
今天的教訓

今天的教訓是這樣的。造就「像」的,不只是臉部骨架。髮型、化妝、表情、眼神……選擇強調什麼,人就會覺得像。

所以下一次,我們終於要分解「氛圍感」了!髮型、化妝、表情、眼神。到底哪個影響最大,我們用數字來看看。

我很期待哦。

喵—(在鍵盤上舔毛)
測量方法
- 使用了 Wikimedia Commons 上公共授權(CC)的照片,每人一張,共 13 張。照片不在本站刊登
- 從每張照片中取出最大的一個臉,用人臉辨識模型轉換成 128 個數字(與人臉診斷使用同一模型)
- 接近度是兩組數字向量方向的接近程度(餘弦相似度)。越接近 1,方向越一致
- 陌生人之間的比較,使用的是同 13 張照片中不是模仿組合的74組
- 名字有一部分做了遮字處理。本文是娛樂性質的觀察,並非對特定人物的評價
其他文章與工具
- 《「長得像」到底是什麼》:上一篇專欄——AI 看的是骨架,人看的是氛圍
- 用人臉照片診斷:尋找臉部骨架接近的女優
- 按髮型尋找:可以按作品選擇影響氛圍的髮型