Las Caras de la IA Generativa: Predictores de FACES

Área de la Ciencia:

• Psicología; Inteligencia Artificial; Imagen Médica

Sus antecedentes:

• Las Escalas de Expresión Central de la Apariencia Facial (FACES) se desarrollaron para evaluar la autopercepción de los pacientes de cirugía maxilofacial.
• Este estudio utilizó FACES para evaluar las calificaciones de los participantes de sus propias caras y las generadas por DALL·E, una IA generativa.

Objetivo del estudio:

• Validar la capacidad de la escala FACES para diferenciar entre imágenes faciales generadas por IA utilizando indicaciones descriptivas positivas frente a negativas.
• Explorar la relación entre la autoestima y la autopercepción facial.

Principales métodos:

• Se generaron 16 caras fotorrealistas utilizando DALL·E, variando en edad, género, etnia e indicaciones descriptivas (positivas/negativas).
• 333 participantes calificaron estas caras generadas por IA y sus propias caras utilizando la escala FACES.
• Se recopilaron las puntuaciones de la Escala de Autoestima de Rosenberg y la Escala de Autoestima Estatal.

Principales resultados:

• FACES distinguió con éxito entre caras generadas con instrucciones positivas y negativas para todos los pares de imágenes probados.
• Las puntuaciones de autoestima de los participantes se correlacionaron con sus calificaciones de sus propias caras.
• DALL·E no pudo generar con precisión anomalías maxilofaciales realistas.

Conclusiones:

• La escala FACES es una herramienta viable para diferenciar la estética facial generada por IA basándose en el sentimiento de la indicación.
• La autoestima es un factor significativo en cómo los individuos perciben su propia apariencia facial.
• Existen limitaciones actuales de la IA generativa en la representación de condiciones médicas específicas como las anomalías maxilofaciales.