随着生成式人工智能的快速发展，3D 人脸的生成成为可能，尤其在虚拟现实等领域具有广泛应用。然而，评估这些生成 3D 人脸的质量和真实感依然是一个巨大的挑战，因为人类对面部特征的感知往往具有主观性和敏感性。

因此，上海交通大学团队开展了一项关于 AI 生成 3D 人脸质量评估的综合研究。该团队近日推出了 Gen3DHF 数据集和 LMME3DHF 评估指标，专注于评估 AI 生成的 3D 人脸质量。

相关论文：https://arxiv.org/pdf/2504.20466

Gen3DHF 数据集是一个大规模的基准数据集，包含 2000 个 AI 生成的 3D 人脸视频，以及从质量和真实感两个维度收集的 4000 个平均意见得分（MOS）、2000 个失真感知显著图和失真描述。这一数据集为研究人员提供了一个宝贵的工具，以客观评估 AI 生成内容的质量。

实验结果表明，LMME3DHF 在准确预测 AI 生成 3D 人脸的质量得分、有效识别失真感知显著区域和失真类型方面均取得了最先进的性能，超越了现有方法，同时与人类感知判断保持了高度一致。