ApeFD数据库：突破人类面部变异界限的类人猿面孔数据库及其在进化行为科学中的应用

本研究为解决人类面部感知研究中缺乏"类人但非人"标准化刺激物的问题，开发了包含620张31种广义人科模型、20种眼部变体的ApeFD数据库。该数据库整合几何形态测量数据(GMM)和六项标准化评分(威胁性、社交性等)，通过AI生成与人工精修相结合的技术，创建了形态多样且能激发社会属性归因的类人面孔刺激集，为研究人类和非人灵长类的面部感知机制提供了突破人类变异界限的创新工具。

　　

在探索人类面部感知的进化根源时，科学家们长期面临一个方法论困境：如何研究超出人类面部自然变异范围的形态特征？现有面部数据库如芝加哥FD⁵和Face Research Lab Set⁶虽然广泛应用，但都局限于现代人类的面部特征变异。这个空白严重制约了我们对"人类为何演化出独特眼部形态"等关键问题的研究——比如著名的"凝视伪装假说(gaze camouflage hypothesis)"³和"合作眼假说(cooperative eye hypothesis)"⁴，这些理论需要能够系统操纵眼部特征却又不引发"非自然感"的实验材料。

为解决这一挑战，由波兰弗罗茨瓦夫健康与体育大学Zdzistaw Lewandowski团队领衔的国际研究组在《Scientific Data》发表了创新性的ApeFD数据库。这个资源库包含620张照片级真实感的类人猿面部图像，代表31个基础模型(15雌/15雄+1额外雄性)的20种眼部颜色变体，每个图像都配套几何形态测量数据和六项社会认知维度的标准化评分。这些"类人但非人"的刺激物填补了现有面部数据库的关键空白，使研究者能首次系统探索超出人类自然变异范围的面部特征如何影响社会认知。

研究团队采用AI生成与专业人工精修相结合的创新方法：首先使用Midjourney和RealVisXL V4.0模型生成初始图像，经四轮专家筛选从7000张候选图像中确定31个基础模型；随后由专业平面设计师进行标准化处理，包括使用Topaz Photo AI v3.5增强细节、Adobe Photoshop调整眼部形态等；最终通过Prolific平台收集160名参与者的感知评分，并采用面部标志点(landmark)和半标志点(semilandmark)分析进行几何形态测量。所有数据已通过RepOD平台开放获取。

"面部图像生产"部分显示，研究团队通过迭代提示工程生成具有古人类学特征的图像，如使用"ultra-realistic Australopithecus with visible pores"等提示语，并采用负向提示排除塑料质感等非自然特征。这种精细控制使最终图像达到"护照照片"级别的标准化程度，同时保留古人类面部特征的关键变异。

"几何形态测量"部分揭示，研究团队通过36个标志点和36个半标志点量化面部形态，计算了四项关键指标：独特性(distinctiveness)、性形状二型性(Sexual Shape Dimorphism, SShD)、性别典型性分数(SexTypicality Score, SST)和面部不对称性。与当代人类数据库比较显示，ApeFD成功创建了既不同于现代人类又保持社会认知相关性的形态空间。

"标准化数据"部分表明，通过严格的质量控制(包括ICC>0.96的评分者间一致性检验)，建立了六个社会认知维度的可靠常模：威胁性(Threat)、社交性(Sociability)、可信度(Trustworthiness)、健康度(Health)、年龄感(Age)和男性化(Masculinity)。这些数据为后续实验提供了基准参照。

"技术验证"部分详细说明了图像处理的标准化流程，包括使用Topaz Photo AI进行皮肤纹理增强、Luminar Neo调整皮肤质感、Adobe Lightroom统一光照条件等。特别值得注意的是提供的31个PSD分层文件，允许研究者自由调整虹膜(iris)和巩膜(sclera)的64种可能组合，为眼部形态研究提供前所未有的实验控制。

这项研究创建的ApeFD数据库代表了面部感知研究方法学的重大突破。通过精心设计的"类人但非人"刺激集，该资源首次使研究者能够：1) 系统探索超出人类自然变异范围的面部特征如何影响社会认知；2) 检验关于人类眼部形态进化的竞争性假说；3) 研究面部性别二型性(SShD)的认知基础而不受文化刻板印象干扰。数据库的开放性设计(特别是可编辑的PSD文件)和丰富的配套数据(几何形态测量+标准化评分)使其成为进化心理学、生物人类学和认知科学研究的宝贵工具。未来研究可进一步拓展该数据库在非人灵长类实验、跨文化比较和"恐怖谷效应(uncanny valley)"研究中的应用。