关于人脸识别与审美降级
人类天然对正面和左右旋45度范围内人脸的识别最为敏感。古今中外的肖像也多在这一范围而罕见俯仰侧背。这种识别基于视觉焦点的几何结构和色彩特征，该原理长期被应用于化妆术。施脂粉以改变色彩特征，描黛墨以改变几何结构，从而接近当时的标准美。

人们可以从经验学习排除化妆的干扰而根据较大范围的几何关系辨别主体。这种能力需要一定量的识别素材，这也是人们在去除标志元素后难以识别线条寥寥的漫画人脸的原因：可供判断的几何结构过于少且相似。至于p图美颜之类，凡是不改变基本几何关系的处理，哪怕柔化到五官模糊也不易影响识别(因为人们大都有化妆识别的经验)，而伸缩之类的处理极易影响识别，所谓p到亲妈都不认识。

传统的人脸识别技术类似人类识别方式的拓展，针对不同光照姿势等类型进行特征识别。现行的基于卷积神经网络的深度学习方法类似人类识别方法的深化，利用3d算法对齐人脸，再整理出所有区域的特征来识别。有趣的是从多模型到一模型的变化中，信息经变化整合输入使识别准确率提高，但执行判断的范围却缩窄了——限于正脸。

对人脸的审美是否正经历这一进程尚且不得而知(更有可能是从未升级过)。可以肯定的是社交媒体正在强化对特定角度的审美，即通常拍照的那些角度。从整容的角度来看，一种只关注拍照角度的取向导致了广泛的审美灾难，它们在多样的姿势和角度下原形毕露——但人们只关心那些角度。