捕捉于画布：艺术中的面部表情

首页今日动态人才市场新技术专栏中国科学人云展台
BioHot
云讲堂直播会展中心特价专栏技术快讯免费试用

生物通官微
陪你抓住生命科技
跳动的脉搏

生物通首页 > 今日动态 > 正文

捕捉于画布：艺术中的面部表情

《i-Perception》：Caught on canvas: Facial expressions in art

【字体：大中小】 时间：2026年08月31日 来源：i-Perception 1.1

编辑推荐：

　　摘要我们测试了艺术品中的面部表情是否可以用六种基本情绪类别进行可靠分类。参与者观看了116幅裁剪后的肖像画，并为每幅画选择最贴切的情绪。结果显示，约有一半的图片引发了与基本情绪原型相一致的、具有共识性的反应。其余图片则产生了分散化的判断，表明存在多层次情绪——即重叠或模糊的情

摘要

我们测试了艺术品中的面部表情是否可以用六种基本情绪类别进行可靠分类。参与者观看了116幅裁剪后的肖像画，并为每幅画选择最贴切的情绪。结果显示，约有一半的图片引发了与基本情绪原型相一致的、具有共识性的反应。其余图片则产生了分散化的判断，表明存在多层次情绪——即重叠或模糊的情感信号。这些发现支持了艺术家有能力表现基本情绪和复杂情绪状态这一假说，也为建立一个基于艺术作品的新型情绪数据库以研究细腻的情感感知提供了可能性。

如何引用本文

Thurtle, Z., Zavagno, D., Di Betta, A. M., Morgan, J., Daneyko, O. (2026). 画布上的捕捉：艺术中的面部表情。 i-Perception, 17(4), 1–5. https://doi.org/10.1177/20416695261468552

艺术品中的面部表情能否被可靠地归类为基本情绪？大量研究已探讨了照片和现实生活情境中的面部情绪（如 Ekman & Friesen, 1971），并基于摄影发展出了重要的资源，如 PoFA（Ekman & Friesen, 1993）和 ADFES（Van Der Schalk 等, 2011）。然而，虽然六种基本情绪模型提供了有用的框架，但包含效价和唤醒度的维度模型可能更能捕捉情感状态表达中的微妙变化（如 Schmidtmann 等, 2020）。在这样的新框架下，视觉艺术可能成为一种有趣的研究工具，用于探索情感状态的感知。虽然大多数数据集展示的是静态表情，但绘画虽然也是静态的，却常常描绘动态的情绪表达（Actis-Grosso & Zavagno, 2015），可能展现了超出六种基本情绪范围的情感状态。

现有的与视觉艺术相关的研究通常关注整体情绪氛围，而非离散的表情（如 Silvia, 2005），而基于艺术品的数据集（如 Mohammad & Kiritchenko, 2018）虽然提供了艺术品所唤起的情绪标注，但这些标注反映的是作品对观众的整体影响，而非对面部表情的感知判断。相比之下，本研究将面部区域从绘画中分离出来，以考察面部表情本身是如何被解读的。尽管面部区域理论上可以从现有的艺术品数据集中裁剪出来，但此类刺激材料最初并非为面部表情识别而设计或验证的，因此在面部可见性、表情清晰度和可比性方面缺乏标准化。

为了测试从艺术品中提取情感面部表情的新型数据库的可行性，我们通过 Qualtrics 进行了一项在线实验（限制在手机上呈现以确保一致性），使用欧洲绘画（1400–1900年）中的面部图像，优先选择写实描绘以最小化风格化变形。选择过程参考了与六种基本情绪相关的面部运动，借鉴 FACS（Ekman, 1982）的指导，在确保覆盖面的同时保留多样性。我们制作了116张高质量的标准化图像，显示尺寸约为6.5 × 6.5厘米。共招募了152名参与者（平均年龄37岁），并随机分配到两组中的其中一组。参与者逐一观看每个面部图像，从六种基本选项中选出最贴切的情绪（图1）。完成任务所需时间通常为15至20分钟。

图1。刺激呈现示例（Balthasar Denner，*老妇人像*，1721年）。

每个刺激材料均独立采用卡方检验进行分析，以判断情绪分布是否偏离随机水平。采用 .05 的显著性阈值，同时通过调整标准化残差（z ≥ 1.96）来识别显著趋势，且不进行 Bonferroni 校正（Sharpe, 2015）。当某一种情绪占总响应的 ≥68% 且 Randolph 自由边际 κ ≥ .41 时，肖像画被归类为基本情绪，表明中等程度的评分者间一致性（Randolph, 2005）。68% 的一致性阈值作为实证决策标准被采用，用于识别参与者中呈现明显多数共识的肖像画，并与 κ 值结合解读，后者提供了超越随机水平的独立一致性指标。所有其他刺激材料均被归类为多层次情绪。

约61个刺激符合被归类为表现基本情绪的标准（图2），而其余55个刺激被归类为多层次情绪。这表明存在重叠或冲突的情绪线索，有时跨越相反的效价。例如，调整标准化残差揭示了刺激23A——圣女贞德中重叠的线索，X² (5, N = 71) = 62.1, p < .001，其中恐惧是最强烈的反应（z = 4.82），其次是悲伤（z = 2.91）和惊讶（z = 2.59）（图3）。此类结果反映了复杂的多层次情感解读。

图2。基本情绪示例：快乐（Bartolomé Esteban Murillo，*拿着硬币的女孩*，1645–1650年）。

图3。多层次情绪示例（Jules Bastien-Lepage，*圣女贞德*，1879年）。

结果表明，我们的刺激材料在原型表达与多层次面部表情之间呈现出平衡状态，暗示了一种感知共识的连续性。维度模型（Russell, 2003；Schmidtmann 等, 2020；Takehara & Suzuki, 1997）能够捕捉这种变异，并可为未来研究提供指导。

情绪感知依赖于部分线索（Carbon, 2020）、情境（Aviezev 等, 2008）和文化熟悉度（Russell, 1994）。艺术则增添了更多层次：画家常常将外在表情与暗示内在状态的象征手法相结合。文艺复兴时期的艺术家，如达·芬奇，是最早认识到面部表情复杂性的人之一，并试图在绘画中传达这种复杂性。达·芬奇使用accidenti mentali（精神状态）和moti mentali（思想）等术语（Zavagno 等, 2022）来描述需要在绘画中表现出的微妙心理状态。

本研究补充了 Mino 和 Wijntjes（2026）关于绘画表情历史趋势的近期研究。他们考察了时间层面和场景层面的模式，而我们则关注感知可靠性，强调了艺术中多层次情绪信号的普遍存在。

这些艺术刺激材料所展现出的变异性表明，建立一个源自艺术品的面部表情新数据库具有潜在价值。该数据库的优势在于，除了可根据六种基本情绪分类的面部表情外，还将包含代表更广泛情感状态的表情，从而为研究情绪感知提供一个更加丰富的平台。