Sistema de Belleza — Kasumi Mod

"Kasumi es bella porque es fuerte, Kasumi es fuerte porque es bella."

— Tomonobu Itagaki, creador de Dead or Alive · Principio fundacional del mod

Rasgos físicos y proporciones

Symmetry · Proportion

La simetría y la proporción son las únicas métricas de belleza con base empírica sólida y replicabilidad transcultural. No definen la belleza completa — son el sustrato biológico sobre el que se construyen todas las demás dimensiones.

Proporción áurea — φ = 1.618

Aparece en distancias faciales: anchura de ojo / separación entre ojos, anchura nariz / anchura boca, longitud de cara superior vs inferior. No es perfecta en nadie — la aproximación define el ideal perceptivo.

Marquardt Beauty Analysis · Pallett et al., Vision Research 2010

Simetría bilateral

Correlaciona con salud parasitaria, estabilidad de desarrollo y calidad genética. Los observadores humanos detectan asimetrías de 1–2mm inconscientemente. Es el predictor más robusto de atractivo transculturalmente.

Gangestad & Thornhill, Proc. R. Soc. B 1997 · Scheib et al., 1999

Ratio cintura-cadera (WHR)

WHR ideal femenino: 0.67–0.80. Predice salud cardiovascular, fertilidad y equilibrio hormonal. Transculturalmente consistente en estudios de 50+ países.

Singh 1993 · Sugiyama, Human Nature 2005

Dimorfismo sexual óptimo

Rasgos neonatales (ojos grandes, cara pequeña) señalan feminidad. Rasgos maduros (pómulos altos, mandíbula definida) señalan dominancia. La mezcla de ambos es el ideal estético más universal.

Perrett et al., Nature 1998

Ratio hombro-cadera (atlética)

En atletas de élite el ratio difiere de la población general. La musculatura visible redefine el ideal en este mod: fuerza como marcador estético positivo, no como excepción al mismo.

Frederick & Haselton, 2007

Nota para pipeline CNN

Simetría: detectable mediante landmark facial (dlib 68-point, MediaPipe 468-point). Calcular distancias euclídeas entre pares simétricos y derivar un índice de asimetría normalizado (0–1, donde 0 = asimetría perfecta). La CNN puede aprender directamente este subtensor si se entrena con ejemplos anotados.

Proporción áurea: verificable con bounding boxes de regiones faciales. Ratio entre anchura intercantal vs anchura nasal vs anchura oral. Desviación respecto a φ = señal de entrada válida. Considera incluirlo como feature engineered junto a los embeddings de la CNN.

WHR: requiere pose estimation para cuerpo completo (MediaPipe Pose o similar). No inferible desde crop facial.

Traducción al mod

Stat: Symmetry (0–50)

Derivado de subestats morfológicos. No editable directamente — calculado desde rasgos individuales. Fuente primaria del componente físico de Beauty.

Stat: Proportion (0–30)

WHR + dimorfismo sexual + proporción áurea aproximada. Aporta 30% del score de Beauty total junto a Symmetry.

Movimiento y presencia

Grace · Kinesthesia

Rudolf Laban sistematizó el movimiento humano en 4 categorías: Esfuerzo, Espacio, Forma y Cuerpo (LMA, 1940s). La gracia es la optimización inconsciente de todas ellas. En artes marciales, gracia y eficiencia biomecánica son la misma cosa expresada en dos lenguajes distintos.

Porte — postura en reposo

Columna neutra, cabeza erguida sin tensión, hombros alineados. Power pose (Amy Cuddy, 2012): postura expansiva eleva testosterona ~19% y reduce cortisol ~25% en 2 minutos. La luchadora de alto porte no necesita gesticular para dominar el espacio.

Power pose Cortisol ↓ Testosterona ↑ Kinesfera dominante

Kinestesia — conciencia propioceptiva

El sexto sentido del cuerpo. Bailarines, gimnastas y artes marciales desarrollan kinestesia superior: saben exactamente dónde está cada segmento en el espacio 3D. La gracia es kinestesia excelente automatizada — el movimiento preciso que ya no requiere atención consciente.

Propiocepción Control motor fino Automatización

Nota para pipeline CNN

Grace desde vídeo: OpenPose / MediaPipe Pose extraen keypoints por frame. La suavidad de trayectorias (jerk mínimo — teoría de Hogan 1984) es computable: derivada tercera de posición en articulaciones clave. Alta suavidad = movimiento grácil = Grace alto. Esto es un feature temporal — requiere secuencia de frames, no imagen estática.

Porte desde imagen estática: inferible parcialmente desde pose estimation en imagen única. Ángulo de columna, posición de hombros respecto a cadera, elevación de barbilla. Combinar con face landmarks para leer expresión postural.

Stat: Grace (0–100) — traducción al mod

Derivado de Technique + Footwork + disciplina base. Una peleadora de Wushu o Capoeira tendrá Grace alto estructuralmente. Un brawler tendrá Grace bajo aunque sea devastadoramente eficaz. Grace ≥ 80 aplica +1 punto en scorecards de jueces en rounds igualados — la elegancia visible convence inconscientemente de efectividad.

Arquetipos estéticos culturales

Archetype fit

La belleza tiene dialecto cultural. Cada civilización construyó su ideal — no son equivalentes ni intercambiables. La procedencia de la luchadora define su arquetipo base, que modifica el subtipo de Attractiveness y la percepción del público local.

Morfopsicología facial

Louis Corman 1937

La morfopsicología estudia la correspondencia entre rasgos faciales y tendencias psicológicas. No es pseudociencia si se usa como herramienta de diseño de personaje — es exactamente lo que hace la industria del videojuego y el cine para crear caras internamente coherentes y memorables. Cada rasgo tiene variantes con lecturas de carácter distintas.

Nota para pipeline CNN — morfopsicología como feature set

Propuesta de arquitectura dual: (1) CNN backbone (ResNet-50 / EfficientNet) para embedding facial global → captura gestalt y señales de bajo nivel. (2) Branch paralelo de features explícitas: bounding boxes de pómulos, mandíbula, labios, cejas extraídos con face parser (BiSeNet / FaceXZoo) → produce vector morfopsicológico explícito.

Fusión: Late fusion mediante MLP sobre la concatenación de ambos vectores. Esto permite comparar qué explica más varianza en el score: el embedding global de la CNN o las features morfológicas explícitas. También facilita interpretabilidad — puedes auditar qué rasgos están influyendo en el score.

Anotación de training data: si entrenas con labels humanos, considera recoger ratings por dimensión (ojos, pómulos, labios...) además del score global. Permitirá supervisar cada rama del modelo independientemente.

Psicología de la belleza

Charisma · Halo effect

La psicología evolutiva y social ofrece los mecanismos por los que la belleza afecta a terceros — no solo al perceptor, sino a todo el sistema que rodea a la luchadora: árbitros, jueces, medios, patrocinadores y rivales.

Sistema integrado del mod

Beauty vector

Beauty no es un número plano — es un vector de 5 dimensiones que generan efectos distintos en el juego. Dos luchadoras pueden tener Beauty 85 con perfiles radicalmente opuestos y efectos completamente diferentes en mecánicas, medios y combate.

Las 5 dimensiones de Beauty y su peso relativo

Los 6 arquetipos de belleza del mod

Efectos fuera del combate

Beauty ≥ 75 Multiplicador de fanbase base + mejora en contratos de patrocinadores. Mayor si coincide arquetipo cultural con mercado.

Beauty ≥ 80 + Charisma ≥ 70 Cobertura mediática espontánea sin coste de gestión. Portadas y apariciones sin inversión de management.

Beauty ≥ 75 (halo) Modificador positivo en negociaciones. Percepción de mayor fiabilidad y competencia por el lado de la promotora.

Archetype fit = local +15–25% de fanbase local independientemente del Beauty global. Familiar = simpático antes de pelear.

Efectos dentro del combate

Beauty ≥ 80 vs rival Intelligence ≤ 65 Intimidation paradox: rival abre con estrategia subóptima. Explota la subestimación instintiva.

Dominance substat alto Atractivo de dominancia: pómulos + mandíbula + mirada. Penaliza levemente aggression del rival en round 1.

Grace ≥ 80 +1 punto en scorecards de jueces en rounds igualados. La elegancia visible se interpreta inconscientemente como efectividad.

Beauty ≥ 85 (crowd) Crowd factor activo: en decisiones divididas, el público inclina a los jueces. Efecto halo documentado en boxeo amateur.

        Filosofía de Itagaki como mecánica: Beauty alto hace a la luchadora mejor fuera del octágono. Strength alto la hace mejor dentro. La luchadora perfecta del mod maximiza ambas — y entonces sus stats se potencian mutuamente en lugar de ser independientes. La belleza genera el contexto; la fuerza lo justifica.
      

Notas de integración — pipeline CNN

Comparación algoritmo

Esta sección compila todas las notas de integración dispersas en el documento, consolidadas para comparación directa con tu algoritmo actual y arquitectura CNN.

Arquitectura propuesta — dual-branch

Combina el poder representacional de una CNN profunda con la interpretabilidad de features morfológicas explícitas:

Dimensión Symmetry — detección

dlib 68-point o MediaPipe 468-point landmarks. Calcular distancias euclídeas entre pares simétricos (ojo izq ↔ derecho, etc.). Derivar índice de asimetría normalizado. La CNN puede aprender este subtensor si el training set incluye anotaciones de asimetría.

Herramienta: dlib / MediaPipe / OpenCV

Dimensión Proportion — detección

Bounding boxes de regiones faciales (ojos, nariz, boca, cara completa). Ratios entre anchuras. Desviación respecto a φ = feature engineered continua. Combinar con embeddings CNN como feature concat en la capa de fusión.

Feature engineering clásico + CNN late fusion

Dimensión Grace — detección

Requiere secuencia de frames (vídeo). OpenPose / MediaPipe Pose → keypoints temporales. Suavidad de trayectorias: teoría de jerk mínimo (Hogan 1984). Derivada tercera de posición en articulaciones clave. Alta suavidad = Grace alto.

Temporal feature — no inferible desde imagen estática

Dimensión Archetype fit — detección

Clasificación de arquetipo cultural mediante clustering de embeddings faciales. Posible usar CLIP para zero-shot: "face resembling Japanese beauty ideal" como texto anchor. Alternativa: entrenar clasificador multiclase sobre los 8 arquetipos.

CLIP zero-shot o clasificador supervisado

Morfopsicología como feature set explícito

Face parsing (BiSeNet / FaceXZoo) segmenta el rostro en regiones: ojos, cejas, nariz, labios, pómulos, mandíbula, cabello. Para cada región se puede extraer:

Dimensiones detectables desde imagen estática vs vídeo

Comparación con el algoritmo actual

Para alinear el sistema teórico del mod con tu CNN actual, los ejes de comparación clave son:

Output del modelo ¿Score global único (0–100) o vector multidimensional? Este sistema propone 5 dimensiones independientes. Si tu CNN produce un escalar, considera si captura los 5 ejes o solo algunos (habitualmente solo Symmetry + Proportion).

Training labels ¿Ratings humanos agregados o ratings por dimensión? Los ratings humanos globales colapsan los 5 ejes — la CNN aprende una media implícita, no dimensiones separadas. Labels por dimensión permiten supervisión directa.

Bias cultural Los datasets de atractivo facial (SCUT-FBP5500, CelebA, etc.) están sesgados hacia ideal occidental y asiático oriental. Si el roster del mod incluye arquetipos africanos, árabes o latinoamericanos, considera data augmentation o fine-tuning con datos balanceados.

Morfopsicología Casi ninguna CNN de atractivo modela morfopsicología explícitamente. Es la dimensión donde el sistema teórico del mod más excede lo que puede detectar un modelo estándar. Es también donde la anotación manual aporta más valor diferencial.

Grace / Charisma Ningún dataset estándar los incluye. Son las dimensiones que requieren construcción de dataset propio o proxy features (jerk mínimo para Grace, embeddings de vídeo de entrevistas para Charisma).