この記事は、AIエージェント Muse と筆者の共著です。問題設定と仮説の立案は筆者によるもので、測定・解析と本文の執筆は主に Muse が行いました。内容は、同著者構成で作成した評価・検証報告（論文形式の文書）を Qiita 向けに再構成したものです。
「AIっぽい顔」は何が違うのか
画像生成モデルで作った実写系の人物ポートレートは、一目で「AIだ」と分かることがあります。耳の形が崩れている、瞳がおかしい、といった破綻の時代は過ぎつつあり、現在の生成顔はむしろ破綻がありません。それでも残る違和感は、不気味の谷（人間に近いが届かない造形への拒否反応）とは性質が違います。整っている。きれいである。しかし実在感がなく、「誰でもない誰か」に見える。
筆者らはこの質を、左右対称に彫られ、個体差としての歪みを持たない人形の顔に例えて「お人形さん」っぽさと呼ぶことにしました。そして、この感覚を印象論で終わらせず、顔ランドマークの幾何量として測ってみることにしました。
測ったのは次の3つです。
- RQ1（対称性）: 生成顔の左右非対称量は、実写の顔より小さいか
- RQ2（平均性）: 生成顔の形状は群の平均形状の近くに集まり、幾何分散は実写より小さいか
- RQ3（テクスチャ）: 生成顔の肌は、高周波成分の少なさという意味で実写より滑らかか
結論を先に書くと、対称性と平均性は生成系を問わず大きな効果量で立ち、肌テクスチャは生成系と条件に依存する、という結果でした。さらに、対称性は独立した性質ではなく、平均性の帰結として結びついていることも確認できました。
先行研究:「過剰に平均的」という知覚評定
この感覚には先行研究の裏付けがあります。Dawel ら（2026, PNAS）は、AI生成顔が実在顔より「より対称的・比例的・魅力的だが、個性・記憶性・表情に乏しい」と評定されることを示し、この6特性への注意を訓練すると検出精度が約41%から81%に上がることを報告しました。著者らの総称は hyper-average（過剰に平均的） です。Miller ら（2023）は AI hyperrealism、すなわちAI顔が実在顔より「人間らしい」と誤認されやすい現象を示し、対称性・平均性・肌の滑らかさがAI顔側の特徴であることを評定で同定しました。Nightingale と Farid（2022）は StyleGAN2 の顔について判別がチャンス水準（48.2%）にとどまることを示し、Dunn ら（2026）は深層ニューラルネットの顔埋め込み空間で、AI顔が同性別の重心に有意に近いことを確認しています。検出可能性は生成系譜に強く依存し、拡散系の顔は GAN 系より当てやすい（McGuire ら 2026: 拡散62.1% 対 GAN 48.0%）ことも知られています。
ただし、これらの知見は知覚評定か、解釈の難しい埋め込み空間での測定が中心です。ランドマークの幾何量そのもの——左右対応点の非対称量や、形状の群内分散——を、現行世代の生成顔と実在写真とで同一パイプラインで実測し分布比較した研究は、筆者らの調査では見当たりませんでした。本稿の仕事はそこです。
見立て: 対称性は「平均性」の帰結である
測定に入る前に、RQ1 と RQ2 の関係についての見立てを述べておきます。
実在の顔の左右差は、発生過程のノイズとして生じる微小な左右差、すなわち揺らぎ非対称であり、その方向は個体ごとにランダムです。方向がランダムな左右差は集団の平均では打ち消し合うため、平均顔そのものはほぼ左右対称になるはずです。生成モデルが学習分布の中心付近から顔を構成するなら、生成顔は平均形状の近くに集まり（RQ2）、その帰結として左右対称にも近づく（RQ1）はずです。
つまり対称性と平均性は独立した2つの性質ではなく、平均性を主、対称性をその帰結とする結びつきが予想されます。言われてみれば当たり前に聞こえるかもしれません。しかし「当たり前である」ことと、それが解釈可能な幾何量として実測でき、その大きさがどれほどであるかは別の問題です。本稿ではこの結びつき自体も検証対象にしました。
方法
サンプル: 生成2群 + 実写1群、各100枚
| 群 | n | 由来と条件 |
|---|---|---|
| Muse群 | 100 | API系の画像生成モデルによる日本人女性の実写系ポートレート。プロンプトの骨格を固定し（正面顔、頭部から肩まで、カメラ目線、柔らかい自然な表情、無地の室内背景、柔らかい自然光）、年齢層の語句のみを20代前半・後半、30代前半・後半の4層で回した。1600×1600 |
| H3群 | 100 | オープンウェイトの画像モデル P-H3-Image（Pruna AI、MiniMax H3 系譜）。自宅計算機で生成。公式ワークフローのプロンプト拡張器を有効とし、拡張後の文は年齢層ごとに固定、シードのみ変更。2048×2048、8ステップ、CFGなし。姿勢の基準を外れた41枠は同一条件で再生成し、最も正面の候補に差し替えた（v2） |
| 実写正面群 | 100 | Wikimedia Commons の CC 写真（CC BY 2.0 が99枚、CC BY-NC-ND 2.0 が1枚）。東京国際映画祭・横浜国際映画祭のレッドカーペット写真が中心。女性のみ、10代に見えるもの・モノクロ/ヴィンテージ・閉眼・明らかに非正面・顔が小さいものを除外し、同一人物は最良の1枚のみ |
なお、実写サンプルの写真は記事にも論文にも掲載しません。CC ライセンスは撮影者の著作権の許諾であって、被写体本人の肖像権の許諾ではないからです。実写群については数値とランドマーク点群のみを示します。分析自体は、ライセンス明記の写真を手元環境内でのみ計測する形で行いました。
指標の定義
顔ランドマークは MediaPipe Face Landmarker（478点） で取得し、全群に同一の検出器・同一条件を適用しました。
- 非対称量: 両目中心が水平になるよう回転し、目間距離が1になるよう相似正規化したうえで、正中線で顔を鏡映し、左右対応点ペア（標準顔モデルから機械的に導出した220ペア）の距離の平均を取る。全体のほか部位別（目・眉・鼻・頬・口・輪郭・下顔面）の7種も算出
- 平均性: 相似正規化した468点形状を Procrustes 平均形状へ整列させ、各画像の自群平均形状までの距離（RMS）、および点ごと標準偏差の平均
- 肌テクスチャ: 元画像を目間距離300ピクセルにリサイズし、頬の固定18アンカーに 90×90 ピクセルのパッチを置いて、各パッチの Laplacian 分散の平均を取る（高周波エネルギーの代理量）
- 姿勢の診断量として、ヨーの代理量（鼻尖の両目中点からの水平ずれ）とロールも併せて記録
統計は、Cohen's d（生成群 − 実写群）にパーセンタイル・ブートストラップによる95%信頼区間（再標本化2,000回）を付け、Mann–Whitney の p 値と AUC を併記しました。p 値より効果量を主役とする方針です。
検出器そのものの検証
「検出できたこと」と「検出が正しいこと」は別なので、検出器の適合性も測りました。
- 検出成功率: 3群とも 100/100（失敗なし）
- 描画の全数目視: ランドマークを重ねた描画画像を全数確認し、系統的なずれ・メッシュの崩壊・別人への誤検出はゼロ。実写群で画面端に他人が写る枚でも、検出は中央の主被写体を選んでいた
- 再実行の決定性: 再検出との最大絶対差は 5.0×10⁻⁷（座標を小数6桁で記録した際の丸め誤差の範囲）
- 左右反転テスト: 画像を水平反転して再検出し、鏡映・ラベル付け替えして元座標と比べた。全478点のずれの RMS（目間距離比）の中央値は生成群0.022、実写群0.028、H3群0.023程度。反転前後の非対称量の相関は r = 0.96〜1.00 で、非対称量は検出器の左右の癖で作られた人工物ではないと言えます。ただしこの揺らぎ（約0.023）は、生成群の非対称量（0.026）と同じ桁にあります。対実写比較（差 約0.08）には効きませんが、生成群どうしの小さな差を読むときには無視できない誤差要因です（後述）
結果
本比較の主結果
| 指標 | Muse群 | H3群 | 実写群 | d（Muse−実写） | d（H3−実写） |
|---|---|---|---|---|---|
| 非対称量・全体（平均） | 0.0264 | 0.0233 | 0.0542 | −0.92 [−1.20, −0.70] | −1.11 [−1.37, −0.91] |
| 非対称量・口（最大部位） | 0.0184 | 0.0211 | 0.0514 | −1.16 | −1.07 |
| 自群平均形状までの距離 | 0.0192 | 0.0249 | 0.0417 | −1.78 [−2.15, −1.49] | −1.38 [−1.69, −1.12] |
| 肌テクスチャ（平均／中央値） | 170／164 | 890／857 | 784／651 | −1.59 [−1.89, −1.38] | +0.25 [−0.03, +0.59] |
RQ1: 対称性 —— 立つ
非対称量（全体）は実写が生成の約2倍で、効果量は Muse群 −0.92、H3群 −1.11。部位別でも7部位すべてで生成側が小さく、最大は口と輪郭でした。
実はこの測定は2回目です。先行する小標本の第1回計測（生成30枚・実写25枚、対照群はスナップ中心の統制の弱い群）では d = −1.43 でした。対照群を正面・プロ撮影の群に置き換えると効果量は −0.92／−1.11 へ縮小しましたが、統制を強めても大きな効果が残り、部位の順序（口が最大）も再現しました。効果量が対照群の作り方で動くこと自体が、2つのラウンドの対比から得られた方法論的な教訓です。
姿勢の交絡への感度分析も行いました。実写群の後半採用分は姿勢の統制が緩かった（|yaw| 中央値0.110）のですが、|yaw| ≤ 0.1 に制限しても d は −1.15／−1.02 と、むしろ強まる方向で、結論は変わりません。
RQ2: 平均性 —— 立つ
自群平均形状までの距離の効果量は −1.78 および −1.38 と、本比較で最大級でした。点ごと標準偏差の平均も実写群0.0291に対し Muse群0.0140、H3群0.0172（実写は生成の約1.7〜2.1倍）。群分散（二乗距離の平均）でも実写は Muse群の約4倍、H3群の約3倍です。生成顔は、互いの形状がよく似て、平均顔の近くに固まっています。
RQ3: テクスチャ —— 生成系に依存する
ここは結論が割れました。Muse群では「生成顔の肌は滑らか」が明確に立ちます（中央値164対651、d = −1.59）。ところが H3群では差がなく、方向も逆でした（d = +0.25）。生成2群どうしは d = −3.72、AUC 0.000 と完全分離です。
H3群の拡張プロンプトは毛穴・そばかす・フィルム調の粒を明示的に要求していました。つまりテクスチャの水準は、モデルそのものよりプロンプトと条件に強く依存します。「生成顔の肌は滑らか」は生成系一般の性質ではなく、系と条件に依存する、3つの RQ の中で最も脆い結論でした。なお第1回計測でテクスチャが有意でなかったのは、旧対照群の中央値が179.5と生成群並みに低く、対照側の写真条件が生成側に近かったためと判断できます。ここでも対照群の作り方が結論を反転させています。
対称性は平均性の帰結だった
冒頭の見立てを直接確かめる分析を2つ行いました。
第1に、各群の平均形状そのものに非対称量の定義を適用しました。
| 群 | 個体の非対称量（平均） | 平均形状の非対称量 | 比 | 相関 r（距離 vs 非対称量） |
|---|---|---|---|---|
| Muse群 | 0.0264 | 0.0229 | 0.87 | 0.585 |
| H3群 | 0.0233 | 0.0097 | 0.42 | 0.578 |
| 実写正面群 | 0.0542 | 0.0150 | 0.28 | 0.570 |
実写群では、平均化によって非対称量が個体平均の28%まで低下しました。個体の左右差の大部分は方向がランダムな揺らぎ非対称であり、平均で打ち消し合うことの直接の実測です。しかも実写群の平均形状（0.0150）は、生成2群の個体の平均（0.0264、0.0233）よりも対称でした。「平均する」という操作だけで、生成個体より対称な顔が得られるわけです。
第2に、群内での相関です。 平均形状への近さと非対称量の Pearson 相関は3群とも r ≈ 0.57〜0.59 でした。内訳には群差があります。実写群と H3群では、ヨーを統制しても相関が残りました（偏相関0.567／0.548）が、Muse群の相関は姿勢が駆動していて（ヨーと非対称量の相関0.94）、統制すると消えます。Muse群の平均形状の非対称量が個体平均の87%にとどまったのも、符号付きヨーに一方向の偏り（平均 +0.043、93%が同符号）があり、群で共有された弱い顔の振れは平均しても残るためと読めます。
以上を合わせると、群レベルの読みは見立てと整合します。生成顔が対称なのは、対称性が独立に高められているためではなく、生成顔が集まる先である平均形状そのものが対称であり、生成顔はその近くに分布しているためです。
生成群どうしでは対称性に差がない
生成2群どうしの非対称量には差が検出されませんでした（d = +0.18、95%CI [−0.09, +0.43]、p = 0.76）。実は H3群の到着当初（差し替え前）は d = −0.74 の差が見えたのですが、それは姿勢の差であり、姿勢を統制した差し替えの後に消えました。生成系どうしの比較では、姿勢の統制の有無が結論を決めてしまいます。 加えてこの比較の平均差（0.0031）は、反転テストで測った検出器自身の揺らぎ（RMS 約0.023）の約1/7しかありません。小さい群どうしの比較では、検出器のノイズ水準と差の大きさを並べて読む必要があります。
考察: 違和感の正体は「欠陥」ではなく「署名の欠如」
古典文献では、平均性と対称性は魅力を高める要因とされています（Langlois & Roggman 1990、Rhodes 2006）。形状だけを操作してテクスチャを保てば、完全対称の顔が好まれるという修正もなされています（Perrett ら 1999）。つまり「整いすぎ」は「醜さ」ではありません。
本稿の結果が示すのは、魅力の欠如ではなく個体の不在です。実在の顔には、発生過程のノイズとして生じる微小な左右差（揺らぎ非対称）が必ず入り、それが「この個体である」ことの署名として働きます。生成顔にはその署名が薄い。平均化の分析が示すとおり、実在の顔の左右差の大部分は「平均すると消えてしまうはずの、個体固有の方向を持った左右差」であり、生成顔に薄いのはまさにそれです。知覚が違和感として拾っているのは、欠陥ではなく署名の欠如なのではないか。人形の顔が「誰の顔でもない」ことと同型です。
生成モデルが分布の中心付近を構成する以上、この欠如は機構としては当たり前に思えます。しかし、平均形状そのものの対称性を個体と同列に測り、平均への近さと非対称量の結びつきを群内で確かめる作業は、先行研究では行われていませんでした。当たり前に思える帰結を、効果量と信頼区間を伴う数字として置くことが、本稿の測定としての寄与です。
限界
- 対照群の代表性: 実写正面群は映画祭のレッドカーペット写真が中心で、プロの撮影・イベント照明の下で撮られた、メイク済みの公人の写真です。一般のスナップ写真とは条件が違い、テクスチャの結論が2つの対照群で反転したことが示すように、対照群の作り方は結論に直接効きます。本稿の数値は、この対照群に対する値として読んでください
- 対照群に年齢の統制がない: 実写群には生成群の20〜30代より年上に見える被写体が含まれます。年齢は形状分散とテクスチャに効くため、RQ2・RQ3 の解釈には留保が要ります
- 表情の交絡: 実写群は笑顔中心、生成群は無表情寄りで統一されています。部位別で最大だった「口」の差の一部は、表情条件の差である可能性が残ります
- H3群の年齢層交絡: 拡張プロンプトが年齢層ごとに固定されているため、髪型・服・背景も層ごとに揃っており、層間比較には年齢以外の差が混ざります。また見た目の年齢はプロンプトの年齢より上に寄ります
- 検出器バイアス: 全群を同一検出器で測っているため一様なバイアスでは群間差は生じにくい一方、MediaPipe のメッシュの正則化が実写の細かな非対称を潰しているなら、真の差は測定値より大きい側に倒れます。生成顔は検出器にとって「きれいな正面顔」である分、検出誤差自体が小さく出る可能性も否定できません
- 適用範囲: 対象は日本人女性の正面顔に限られます。男性の生成顔でも同じ幾何が見られるかは未検証です
- 生成系は2系統のみ: 対称性と平均性は2系統で揃いましたが、テクスチャのように系依存の性質もありました
残る課題は、(1) 表情を統制した実写対照群での部位別（とくに口）の再検証、(2) グラビア系などジャンルの異なる写真様式でのテクスチャの検証（レタッチを様式として含む写真では前提が変わります）、(3) 男性の顔や他の年代・集団への拡張、(4) 毛穴レベルの統計などテクスチャ定義の精緻化、です。
おわりに
生成顔の「お人形さん」っぽさについて、n=100・3群の比較で、左右非対称量と幾何分散という解釈可能な幾何量による実写との差を実測しました。
- 対称性（RQ1）と平均性（RQ2）は、生成系2群の双方で、正面・プロ撮影の統制の取れた対照群に対しても大きな効果量で確認された
- 対称性は独立の性質ではなく、平均性の帰結として結びついていた（実写群で平均化により非対称量が個体平均の28%まで低下、群内相関 r ≈ 0.57）
- 肌テクスチャ（RQ3）は生成系とプロンプトに依存し、生成系一般の性質としては成り立たなかった
- 生成2群どうしの対称性に差はなく、この幾何学的な中身は生成系を問わない性質として測れた
知覚評定で言われてきた「対称的で、平均的で、個性がない」という像のうち、幾何の部分は評定ではなく測定として裏付けられ、テクスチャの部分は条件付きであることが分かりました。
論文版（PDF）
本記事の内容は、論文形式の評価・検証報告としてもまとめています（PDF、全7ページ）。下の画像はその1ページ目で、クリックすると PDF 全文が開きます。
参考文献
- Dawel, A., et al. Training humans to detect AI-generated faces. Proceedings of the National Academy of Sciences, 2026. DOI: 10.1073/pnas.2602122123
- Miller, E. J., et al. AI hyperrealism: Why AI faces are perceived as more real than human ones. Psychological Science, 34(12):1390–1403, 2023. DOI: 10.1177/09567976231207095
- Nightingale, S. J., and Farid, H. AI-synthesized faces are indistinguishable from real faces and more trustworthy. PNAS, 119(8):e2120481119, 2022. DOI: 10.1073/pnas.2120481119
- Dunn, J. D., et al. Too good to be true: Synthetic AI faces are more average than real faces and super-recognizers know it. British Journal of Psychology, 117(4):1279–1294, 2026. DOI: 10.1111/bjop.70063
- McGuire, A. A., et al. AI-generated faces are becoming more trustworthy. Journal of Vision, 26(7):3, 2026. DOI: 10.1167/jov.26.7.3
- Langlois, J. H., and Roggman, L. A. Attractive faces are only average. Psychological Science, 1(2):115–121, 1990. DOI: 10.1111/j.1467-9280.1990.tb00079.x
- Perrett, D. I., et al. Symmetry and human facial attractiveness. Evolution and Human Behavior, 20:295–307, 1999. DOI: 10.1016/S1090-5138(99)00014-8
- Rhodes, G. The evolutionary psychology of facial beauty. Annual Review of Psychology, 57:199–226, 2006. DOI: 10.1146/annurev.psych.57.102904.190208
- Perrett, D. I., May, K. A., and Yoshikawa, S. Facial shape and judgements of female attractiveness. Nature, 368:239–242, 1994. DOI: 10.1038/368239a0
- Liao, M., et al. The power of facial allure: How AI streamer facial physical and emotional attractiveness drive consumer engagement. Journal of Business Research, 214, 2026. DOI: 10.1016/j.jbusres.2026.116259
- Hu, S., Li, Y., and Lyu, S. Exposing GAN-generated faces using inconsistent corneal specular highlights. ICASSP, 2021. DOI: 10.1109/ICASSP39728.2021.9414582