在社交场景中，通过面部图像推断表面个性对于人机交互中的具身代理至关重要。与通过对话推断内在个性特征不同，此任务仅基于面部外观建模第一印象的个性感知。现有研究主要集中于大五人格模型，通常依赖于语言或多模态输入，因此尚不清楚仅通过面部线索是否能够支持与感知个性特征的有意义关联。特别是对于广泛使用且更易被大型语言模型解读的MBTI类型，这一问题尤为重要。为此，我们提出了 GlanceFace，这是一个端到端的表面个性推断框架，利用视觉-语言模型引入语义先验，并结合语义增强的面部表示模块来捕捉微妙的个性相关线索，同时采用不确定性感知学习策略来处理噪声和主观注释。大量实验表明，该方法在基于MBTI的表面个性基准上表现优异，并揭示了面部特征与感知个性特征之间的关系，凸显其在支持具身代理的自适应初始交互策略中的潜力。代码和数据集可在 GitHub 获取。
博主点评： 本文提出的 GlanceFace 框架通过整合视觉与语言模型，显著提升了面部特征与个性推断之间的关联性，为人机交互中的个性化适应策略提供了新的思路，值得关注其未来应用潜力。