The perception of lip aesthetics in the context of facial proportions—An eye‐tracking‐based analysis
Notice bibliographique
Résumé
BACKGROUND: Minimally invasive lip volumizing and contouring soft tissue filler procedures are frequently requested by both female and male aesthetic patients. Guidance on how to achieve the most beautiful outcome is inconsistent. OBJECTIVE: To investigate what the most beautiful proportions are in relation to vermillion thickness, the distance of the upper and lower lip in relation to nose and chin, and relation to the bigonial distance. METHODS: This study included a total of n = 101 volunteers (52 females, 49 males, 100% Caucasian) who inspected frontal images of modified facial proportions and answered a related questionnaire showcasing the same images. Image presentation followed a randomized sequence both for the eye tracking and for the survey component of this study but was equal for all observers. RESULTS: The most attractive vertical position of lips was the 1:2 ratio in which the distance between lips and chin is double the length as the distance between lips and nose. For the ratio between the width of the lips and the bigonial distance, it was the 1:2.5 ratio, whereas for the thickness of the upper lip vermilion in relation to the upper lip ergotrid it was the 1:3/1:2 (male/female) ratio and for the lower lip vermilion and lower lip ergotrid it was the 1:4 ratio for both genders. CONCLUSION: The results of this eye tracking and survey-based investigation revealed that instead of one single universal ratio, multiple facial proportions exist that are perceived as most attractive/masculine/feminine. Regarding the perception of facial aesthetics, it appears there is a distinction between attractiveness and masculinity/femininity: the most attractive male/female face is not necessarily the most masculine or feminine.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».