남성 얼굴의 가로 비율이 아름다움에 미치는 영향

초록

본 연구는 시각적 매력 평가에서 남성 얼굴의 눈 간 거리 대비 전체 얼굴 폭(가로 비율)이 어떻게 작용하는지를 조사한다. 시카고 얼굴 데이터베이스에서 추출한 96~97장의 사진을 세 그룹(낮음·중간·높음)으로 평균화하고, 각 평균 얼굴을 가로 비율을 3단계씩 변형해 총 21개의 자극을 만든다. 두 선택 강제 과제에서 참가자들은 쌍마다 더 아름다운 얼굴을 선택했으며, 베이지안 모델을 통해 가장 매력적으로 인식되는 가로 비율을 추정했다. 결과는 평균적인 가로 비율이 가장 높은 아름다움을 얻는다는 가설을 지지한다.

상세 분석

이 연구는 얼굴 매력 연구에서 흔히 간과되는 ‘가로 비율’이라는 구체적 측정값을 정량화하고, 이를 베이지안 추론 프레임워크에 통합함으로써 기존 문헌을 확장한다. 먼저, Pallett et al. (2010)의 여성 얼굴 평균 비율 연구를 남성 얼굴에 적용하려는 시도는 성별 차이에 대한 가설 검증을 가능하게 한다. 시카고 얼굴 데이터베이스(CFD)에서 선정된 96~97장의 이미지 각각을 저·중·고 가로 비율 그룹으로 나눈 뒤, 그룹 내 평균 얼굴을 생성함으로써 개별 이미지의 잡음과 색조, 조명 차이를 최소화하였다. 이는 이미지 합성 과정에서 발생할 수 있는 ‘아트리팩트’를 통제하는 효과적인 방법이다.

각 평균 얼굴에 대해 가로 비율을 -2, -1, 0, +1, +2 단계(총 5수준)로 조절했으며, 이는 원본 평균 얼굴을 기준으로 비율을 확대·축소하는 방식이다. 이렇게 만들어진 21개의 자극은 동일한 베이스 얼굴 내에서만 비교되도록 설계돼, 피부톤·표정·조명 등 다른 변수와의 교차오염을 방지한다. 실험은 두 대안 강제 선택(Two‑Alternative Forced Choice, 2AFC) 형태로 진행돼, 각 쌍마다 참가자는 더 아름답다고 느끼는 얼굴을 선택한다.

데이터 분석에는 베이지안 계층 모델이 적용되었다. 이 모델은 각 참가자의 선택 패턴을 개별 확률분포로 모델링하고, 그룹 수준에서 가로 비율에 대한 선호 곡선을 추정한다. 특히, 사전 분포를 비선형(예: 정규분포)로 설정해 가로 비율과 매력도 사이의 비대칭적 관계를 포착할 수 있었다. 모델 결과는 ‘중간 가로 비율’ 즉, 평균에 가까운 비율이 가장 높은 선택 확률을 보였으며, 이는 ‘평균성(averageness)’이 매력의 핵심 요소라는 기존 이론을 남성 얼굴에도 동일하게 적용할 수 있음을 시사한다.

연구의 강점은 (1) 다중 베이스 얼굴 사용을 통한 이미지 처리 아트리팩트 최소화, (2) 베이지안 모델을 통한 확률적 추정으로 신뢰구간 제공, (3) 인종·문화적 변수를 잠재적 조절 변수로 언급하며 향후 연구 방향을 제시한 점이다. 반면 제한점으로는 (가) 그룹 내 비교에 국한돼 직접적인 크로스‑조건 비교가 불가능했으며, (나) 참가자 표본이 주로 서구권 대학생에 국한돼 문화적 일반화에 한계가 있다. 또한, 가로 비율 외에 눈·코·입 등 다른 비율이 동시에 변형되지 않아 복합적 상호작용을 평가하지 못했다는 점도 지적된다.

이러한 한계에도 불구하고, 본 연구는 얼굴 매력 연구에 정량적 비율 조작과 베이지안 추론을 결합한 방법론적 템플릿을 제공한다. 광고·디지털 아바타 생성·성형외과 등 실무 분야에서 ‘평균에 가까운 가로 비율’이 시각적 선호를 높일 수 있다는 실증적 근거를 제공함으로써, 디자인 가이드라인 및 임상적 판단에 활용될 수 있다. 향후 연구에서는 다양한 인종·연령·성별 집단을 포함하고, 다중 비율(예: 눈-코 비율, 입-턱 비율) 간 상호작용을 모델링함으로써 얼굴 매력의 다차원적 구조를 보다 정교하게 규명할 필요가 있다.