上海交通大学研究团队近日发布了一项创新成果——Gen3DHF 数据集，这一全新基准旨在精准评估人工智能生成的3D人脸质量。随着生成式AI技术的迅猛发展，3D人脸生成已逐渐成为现实，尤其在虚拟现实、数字娱乐等领域展现出巨大潜力。然而，如何客观衡量这些生成3D人脸的真实感与质量，始终是一个亟待解决的难题。人类对面部特征的感知具有天然的主观性和敏感性，使得评估工作变得尤为复杂。
Gen3DHF 数据集通过精心设计，包含2000个由AI生成的3D人脸视频样本，并从质量与真实感两个维度收集了4000个平均意见得分（MOS）、2000个失真感知显著图以及详尽的失真描述。这一大规模基准为研究人员提供了一个客观、全面的评估工具，有效解决了传统评估方法中主观性过强的问题。基于此数据集，研究团队进一步提出了LMME3DHF评估指标，该指标基于先进的多模态模型，能够精准预测3D人脸的质量与真实感得分，并支持失真感知视觉问答（VQA）和显著性预测等高级功能。
实验结果令人瞩目，LMME3DHF在准确性方面实现了突破性进展，不仅显著超越了现有评估方法，更与人类感知判断高度吻合。研究团队强调，尽管AI生成的3D人脸在技术层面已取得长足进步，但感知失真和非真实感伪影等问题依然存在，难以完全满足人类的质量期待。传统的人类评估方式成本高昂、效率低下，因此开发客观的质量度量标准显得尤为迫切。Gen3DHF数据集的推出，正是为了填补这一空白，特别是针对面部失真的独特性进行了深入分析。通过对多样化3D人脸视频样本的系统性评估，研究团队在质量和真实感两个关键维度上取得了显著突破。
这一创新不仅有助于提升生成技术的可信度，还将为虚拟现实、数字人等领域的进一步发展提供有力支撑。Gen3DHF数据集和LMME3DHF评估指标的发布，标志着AI生成3D人脸质量评估进入了一个全新阶段，为相关技术的持续优化和产业应用奠定了坚实基础。论文链接：https://arxiv.org/pdf/2504.20466
划重点：
? Gen3DHF 数据集包含2000个 AI 生成的3D 人脸视频，为质量评估提供了坚实的数据基础。
? LMME3DHF 评估指标在失真感知和真实感预测方面表现卓越，超越了现有方法，并与人类感知高度一致。
? 研究旨在填补现有 AI 生成3D 人脸评估中的空白，通过客观度量提升技术的可靠性和实用性。