“남성 얼굴의 미(美) – 폭 비율이 아름다움을 좌우한다?”

📝 Abstract

This study investigates the relationship between interocular distance relative to overall facial width (width ratio) and perceived subjective beauty in male faces. Building on the methodology of Pallett et al. (2010), who found that average proportions in female faces were rated as most attractive, the current study aimed to test this hypothesis in male faces. Faces from the Chicago Face Database (Ma et al., 2015) were morphed into average faces within three groups (with low, medium, and high width ratios), each composed of 96 or 97 individual images. These three average faces were then systematically manipulated in their width ratios across three levels in both directions, respectively, resulting in a total of 21 comparable faces. The use of multiple base faces served as a control for potential artifacts of image processing. Consequently, comparisons were restricted to within-group pairs to avoid confounding by co-varying facial features (e.g., skin tone), which precluded direct cross-condition comparisons but ensured internal validity. In a two-alternative forced-choice task, participants selected the more beautiful face from each pair. The data were analyzed using a Bayesian model which enables inference of the width ratio perceived as most beautiful. Results support the hypothesis that averageness in facial proportions correlates with higher perceived attractiveness. The study highlights the importance of controlling for image manipulation, including attempts at methodological implementation, and of considering ethnicity as a potential moderating variable. These findings offer a data-driven foundation for understanding facial aesthetics and cognitive processes of human perception, with applications in advertising, artificial face generation, and plastic surgery.

💡 Analysis

**

1. 연구 배경 및 이론적 토대

• 평균성(averageness) 가설: 진화론적·인지적 관점에서 평균 얼굴은 건강·발달 안정성을 시사하거나, 프로토타입과의 일치도로 인한 처리 유창성(fluency)을 제공한다는 두 가지 설명이 존재한다.
• 골든 비율 논쟁: 고전적 ‘황금비’가 현대 미학 연구에서 점차 약화되고 있으며, 실제 매력 판단은 다변량 요인(대칭, 성별 특성, 문화적 규범 등)에 의해 조절된다.
• 성별 차별: 기존 연구는 주로 여성 얼굴에 초점을 맞췄으며, 남성 얼굴에 대한 체계적 검증이 부족했다. 본 연구는 이 격차를 메우고자 한다.

2. 방법론적 강점

3. 제한점 및 비판적 고찰

1. 일반화 가능성

   • 표본 편향: 참가자는 독일 마르부르크 대학의 심리학 전공 학생(주로 청년층)으로, 연령·문화·성별 다양성이 제한적이다. 결과가 다른 문화권·연령대에 동일하게 적용될지는 미지수다.
   • 데이터베이스 제한: Chicago Face Database는 주로 미국·서구 인종을 포함하므로, 비서구 인구에 대한 적용 가능성이 낮다.

2. 조작 방법론

   • Liquefy 필터의 비선형성: Photoshop의 Liquefy는 픽셀 기반 변형으로, 눈 거리 외에도 주변 조직(눈 주변 근육, 광대뼈 등)이 비례적으로 변형될 수 있다. 이는 ‘폭 비율’ 외의 미묘한 형태 변화가 판단에 영향을 미쳤을 가능성을 남긴다.
   • 절대 단위의 불명확성: “–100, –66 …”와 같은 임의 단위는 실제 물리적 비율(예: %)과 직접 연결되지 않아 재현성에 제약을 준다.

3. 통계적 접근

   • 베이지안 사전 설정: 사전 분포가 어떻게 설정되었는지 명시되지 않아, 결과가 사전 가정에 민감할 수 있다. 사전 민감도 분석이 제시되지 않은 점은 해석에 불확실성을 더한다.
   • 반응 편향 제어: 동일 얼굴을 두 번 제시한 ‘self‑comparison’ 트라이얼은 참가자에게 ‘동일’이라는 정보를 제공할 위험이 있다. 이는 전체 선택 패턴에 미세한 편향을 유발할 수 있다.

4. 윤리·사회적 고려

   • 인종·피부톤 통제: 그룹 간 비교를 배제함으로써 인종적 편향을 최소화했지만, 이는 오히려 ‘폭 비율’이 인종·피부톤과 상관관계가 있을 경우 그 상호작용을 탐구할 기회를 놓친다. 향후 연구에서는 다변량 모델링으로 이러한 교차 효과를 검증할 필요가 있다.

4. 학문적·실용적 시사점

• 이론적: 평균성 가설이 남성 얼굴에도 동일하게 적용된다는 증거를 제공함으로써, ‘진화적 건강 신호’와 ‘인지적 처리 유창성’ 두 이론 모두를 지지한다. 다만, 최적 폭 비율이 여성 얼굴에서 보고된 46%와 정확히 일치하는지는 논문에 명시되지 않아, 성별 차이 여부를 추가 검증할 필요가 있다.
• 응용
  • 광고·마케팅: 제품 모델링 시 ‘평균적인 폭 비율’ 얼굴을 활용하면 소비자에게 보다 긍정적인 감정 반응을 유도할 가능성이 있다.
  • 인공 얼굴 생성(AI): GAN 등 딥러닝 기반 얼굴 합성 모델에 평균 폭 비율을 프리셋으로 삽입하면, 사용자 선호도가 높은 ‘아름다운’ 얼굴을 자동 생성할 수 있다.
  • 성형외과: 환자 상담 시 ‘폭 비율’ 조절이 미용 효과에 미치는 영향을 정량적으로 제시함으로써, 보다 과학적인 수술 계획을 수립할 수 있다.

5. 향후 연구 제안

1. 다문화·다연령 표본 확대 – 다양한 인종·문화권에서 동일 실험을 수행해 보편성 검증.
2. 다변량 조작 – 폭 비율과 길이 비율을 동시에 조절하고, 비율 간 상호작용을 모델링.
3. 정량적 조작 기준 – 실제 물리적 거리(예: mm)와 비율(%)를 명시해 재현성을 높이고, 디지털 변형의 비선형성을 최소화하는 알고리즘(예: 3‑D 메쉬 변형) 사용.
4. 뇌영상 연구 연계 – fMRI·EEG를 활용해 평균 얼굴에 대한 신경적 처리 유창성 메커니즘을 직접 검증.
5. 베이지안 사전 민감도 분석 – 다양한 사전 분포를 적용해 결과의 견고성을 평가하고, 사전 선택 기준을 투명하게 공개.

**

📄 Content

**주관적 선호가 미의 인식에 미치는 지배적 역할은 일반적으로 당연시된다. 이러한 현상이 실제로 얼마나 타당한지, 혹은 미를 객관적으로 평가할 수 있는가에 대한 문제는 인류가 수세기 동안 고민해 온 질문이다(Singer & Papadopoulos, 2024; Dietrich & Knieper, 2022; Vashi, 2015; Edler, 2001). 고대부터 전해 내려오며 르네상스 시대에 다빈치와 뒤러와 같은 예술가들이 널리 활용한 황금비는 자연 구조 속에서 보편적인 패턴을 찾아내어 미적 감각을 일으키는 시도 중 하나이며, 이후 예술과 건축 전반에 걸쳐 반복적으로 재현되어 왔다(Singer & Papadopoulos, 2024; Harrar et al., 2018). 전체 길이와 그 중 긴 구간의 비율이 긴 구간과 짧은 구간의 비율과 동일할 때 발생하는 이 비율은 ϕ = (1 + √5)/2 ≈ 1.618이라는 값을 가진다. 황금비는 자연계에서 관찰되고 건축물·회화·기호 등 다양한 객체에 재현될 뿐 아니라, 역사적으로는 인간 신체의 이상적 비율을 나타내는 기준으로도 활용되었으며(Breiner, 2019), 얼굴 비율에도 적용된 바 있다(Ricketts, 1982).

하지만 오늘날에는 황금비가 미의 근본적 기준이라는 가정이 구시대적이라고 여겨진다(Naini, 2024). 인구 수준에서 얼굴 미를 예측하는 현대 연구는 대칭성, 성별에 따른 얼굴 특징, 평균성(averageness), 그리고 자기 얼굴과의 유사성 등 추가적인 영향을 미치는 요인들을 확인하였다(Langlois & Roggman, 1990; Little et al., 2011; Vashi, 2015; Sarwer et al., 2003; Borelli & Berneburg, 2010). 심리학적 지각 연구와 마찬가지로, 미는 행동·인지·신경생물학적 차원에서 다학제적으로 탐구되는 분야가 되었다(Skov & Nadal, 2021; Raggio & Adamson, 2022; Dietrich & Knieper, 2022; Yang et al., 2022).

생물학·인지적 틀을 넘어, 미는 문화 규범·역사적 맥락·미디어 영향에 의해 형성되는 사회적 개념으로 이해되어야 한다(Adams, 1977; Raggio & Adamson, 2022). 문화 간 연구는 미의 이상이 크게 다름을 보여주며 보편적 기준이라는 개념에 도전한다(Zhang et al., 2019; Sorokowski et al., 2013). 더 나아가, 매력적인 외모는 사회적 자본으로 작용해 신뢰성, 역량 평가, 채용 결정 등 다양한 대인 판단과 결과에 영향을 미친다(Jackson et al., 1995; O’Connor & Gladstone, 2018; Zebrowitz & Montepare, 2008; Frevert & Walker, 2014; Hosoda et al., 2003; Mobius & Rosenblat, 2006). 이러한 현상은 ‘halo effect’—긍정적인 미적 인상이 다른 특성에도 일반화되는 현상—에 의해 설명될 수 있다(Thorndike, 1920; Dion et al., 1972; Langlois et al., 2000). 따라서 미에 대한 판단은 진공 상태에서 이루어지는 것이 아니라, 사회 구조와 학습된 선호에 의해 내재되고 강화된다(Adams, 1977; Eagly et al., 1991).

이처럼 사회적으로 복잡한 환경 속에서도 보편적 요소를 탐구하고자 하는 시도로, 본 연구는 얼굴 매력 연구에서 가장 재현성이 높은 효과 중 하나인 **‘평균 얼굴에 대한 선호’**에 초점을 맞춘다(Dimitrov & Kroumpouzos, 2023; Rhodes et al., 1999). 평균 얼굴에 대한 선호는 얼굴 너비·높이 비율과 같은 측정 가능한 기하학적 특성을 통해 미를 운영화할 수 있게 해준다. 평균 얼굴 선호를 설명하는 이론적 접근은 크게 두 가지가 있다.

1. 진화생물학적 관점에 따르면, 평균 얼굴을 가진 개인은 더 건강하고 발달적으로 안정된 것으로 인식된다(Pallett et al., 2010; Rhodes, 2006). 매력은 번식 기능을 수행한다는 가정 하에, 이러한 특성을 지닌 얼굴이 평균에서 벗어난 얼굴보다 선호된다. 동시에, 개인 경험과 학습된 기대에 의해 형성된 진화적 사회적 선호는 얼굴 선호에 변동성을 도입한다(Little et al., 2011).

2. 인지 이론에 따르면, 사람들은 자신이 접해온 모든 얼굴의 평균을 내면화한 **내재적 원형 얼굴(prototypical face)**을 형성한다. 새롭게 인지된 얼굴은 이 원형과 비교되며, 원형과 유사한 얼굴은 처리에 필요한 인지적 노력(mental energy)이 적어 선호된다(Langlois & Roggman, 1990; Pallett et al., 2010). 이러한 인지적 선호는 perceptual fluency—원형 자극을 처리하는 용이성—에 의해 긍정적 반응을 유발한다(Alter & Oppenheimer, 2009; Langlois & Roggman, 1990; Arkes, 1991). 평균 얼굴의 친숙성은 전반적인 처리 유창성을 더욱 높여, 평균성에 대한 선호가 자기 강화적 순환을 형성하게 만든다(Juravle & Spence, 2024; Little et al., 2011).

Diego‑Mas 등(2020)은 “각 얼굴 특징이 인간 얼굴을 어떻게 인식하고 해석하는가”라는 연구에서, 얼굴이 전체적으로(holistically) 처리된다는 증거를 제시하였다(Tanaka, 1993). 이 과정에서 개별적인 국소 특징은 맥락에 종속적인 부차적 역할을 하며, 전체적인 전역 인식의 일부에 불과하다. 다만, 동적 얼굴과 정적 얼굴을 인식할 때 차이가 나타날 수 있다(Rubenstein, 2005). 또한, 얼굴 처리와 매력 인식은 성별에 따라 차별적인 요인에 영향을 받는다. 이는 관찰자의 성별과 평가 대상 얼굴의 성별 모두에 영향을 미친다(Qi & Ying, 2022; Zhang et al., 2016).

심리물리학 분야에서는 물리적 얼굴 비율이 인식에 미치는 영향을 조사한다(Fan et al., 2012). 진화생물학적 접근과 인지적 접근을 모두 고려할 때, “얼굴 매력은 그들의 기하학적 특성과 어느 정도 연관이 있는가?”라는 질문이 제기된다. Pallett 등(2010)은 “새로운 ‘황금’ 비율”이라는 연구에서 물리적 얼굴 비율, 평균성, 그리고 매력 인식 사이의 관계를 탐구하였다. 그들은 여성 얼굴의 **가로 비율(width ratio)**과 **세로 비율(length ratio)**을 체계적으로 변형하였다. 가로 비율은 동공 사이 거리를 귀 안쪽 가장자리 사이 전체 너비로 정의했으며, 세로 비율은 눈과 입 사이 거리를 헤어라인부터 턱까지의 전체 얼굴 길이로 정의하였다. 다양한 비율을 적용한 얼굴들의 매력도를 평가한 결과, 가로 46 %, 세로 36 %라는 비율이 여성 얼굴 평균 비율과 가장 근접하며, 이를 ‘새로운 황금비’라 명명하였다.

그러나 성별 특이적 얼굴 인식과 매력에 대한 편향을 방지하기 위해서는 모든 성별을 포함하고 남·여 얼굴 모두를 조사하는 연구가 필요하다. Pallett 등(2010)의 연구는 여성 얼굴에만 국한되었으므로, 본 연구는 남성 얼굴에서도 평균 비율에 대한 선호가 존재하는가를 검증하고자 한다. 우리는 여성 얼굴과 마찬가지로 남성 얼굴에서도 평균 비율이 가장 아름답게 인식될 것이라고 가정한다. 동시에, 성별 특유의 선호 특성이 존재하므로 남성 얼굴의 최적 비율은 여성 얼굴에서 도출된 비율과 다를 수 있다고 가정한다. 구체적으로, 본 연구는 다른 얼굴 특징을 고정한 채 가로 비율(width ratio)만을 변형하는 실험을 설계한다.

연구 방법

Pallett 등(2010)의 방법론을 수정·적용하여, 남성 얼굴에서 어떤 비율이 가장 아름답게 인식되는지를 탐색하였다. 목표는 남성 얼굴에서 도출된 최적 비율이 여성 얼굴에서 보고된 ‘새로운 황금비’와 일치하는지 여부를 검증하는 것이었다. 이를 위해 290장의 남성 얼굴 이미지를 평균 합성 얼굴로 변형하고, 그 가로 비율을 체계적으로 조작하였다.

1. 가로 비율 정의 및 이미지 그룹화

본 연구는 **가로 비율(width ratio)**을 동공 사이 거리를 귀 안쪽 가장자리 사이 전체 얼굴 너비로 정의하였다. Chicago Face Database(마 등, 2015)에서 추출한 290장의 남성 얼굴을 원래 가로 비율에 따라 세 개의 동등한 그룹(low, medium, high)으로 나누었다(Figure 1). 각 그룹의 이미지를 픽셀별 RGB 평균을 구해 합성함으로써 개별 얼굴 특징을 제거하고, 자연스러운 평균 얼굴을 생성하였다(Figure 2). 결과적으로 각각 97, 96, 97장의 얼굴을 포함하는 세 개의 평균 얼굴이 만들어졌으며, 이는 실험 조건인 low, medium, high에 해당한다(Figure 3).

2. 가로 비율 조작

각 평균 얼굴을 **Adobe Photoshop(2023)**의 Liquify 필터를 이용해 가로 비율을 여섯 단계(‑100, ‑66, ‑33, +33, +66, +100 arbitrary units)씩 조절하였다. 이는 동공 사이 거리를 동일 간격으로 감소·증가시키는 방식이며, 각 조건마다 원본을 포함한 일곱 개의 변형 얼굴을 생성한다(Figure 4). 이렇게 만든 세 조건 내의 변형 얼굴들은 디지털 편집 효과가 미적 판단에 미치는 영향을 통제하기 위해 설계되었다. 동일한 가로 비율이 세 조건 모두에서 가장 아름답게 인식된다면, 이는 편집 효과가 아닌 보편적인 지각 경향을 반영한다는 가설을 검증할 수 있다.

3. 자극쌍(pairwise) 구성

각 조건 내에서 7개의 변형 얼굴을 모두 서로 조합하면 42개의 고유한 쌍이 생성된다. 세 조건을 합치면 총

이 글은 AI가 자동 번역 및 요약한 내용입니다.