4DHumanQA：3D 动画质量评估

3D 人体动画（包括卡通风格和真实风格）的质量评估长期缺乏标准化方法。现有工作要么用 MPJPE 这类几何指标（忽略感知质量），要么用 LPIPS 这类图像指标（不理解 3D 运动语义）。

4DHumanQA #Rekik-et-al.-2025 来自 Inria（Grenoble + Rennes），构建了 4DHumanPercept 数据集：250 个 3D 人体动画 + 48 名被试的主观 MOS 评分，并提出了第一个经感知验证的自动评估度量。

2.1 数据集规模

2.2 六种失真类型

2.3 DSIS 评分协议

使用 ITU 标准的 DSIS（Double Stimulus Impairment Scale）方法：

• 同时展示参考动画（左）和失真动画（右）
• 5 级评分：1=不可察觉、2=可察觉但不烦人、3=轻微烦人、4=烦人、5=非常烦人
• 8 秒刺激片段，不可重放
• 使用 PsychoPy 设计实验
• 训练阶段(5) + 练习阶段(3) + 正式评分(125)
• 实验时长约 30 分钟/人

48 名被试（17 女/31 男，20-60 岁），每人分配 125 个刺激。另有 5 名先导被试用于校准失真等级。

3.1 单一特征的局限

7 个候选特征与 MOS 的 Spearman 相关系数：

单一客观特征与 MOS 的 SROCC 仅为 0.144-0.436。最强的单特征是 MPJPE（0.436），最弱的是 LPIPS（0.144）——这再次证明通用图像感知指标对 3D 动画质量评估几乎无效。

3.2 4DHumanQA 组合模型

使用 7 个特征的线性回归模型，在测试集上达到：

SROCC 从 0.436（最佳单特征）提升到 0.961（组合模型），证明了多维特征的互补价值。

4DHumanQA 的核心结论——自动评估指标无法有效替代主观用户研究——在卡通场景下更加成立。但它也给出了建设性方向：

1. 组合特征优于单一指标：不要只报告 FID 或 LPIPS，而是组合多个运动/几何/感知特征
2. 失真类型敏感：不同失真（脚滑 vs 穿模 vs 运动抖动）需要不同的检测特征
3. DSIS 是可靠的评分协议：同时展示参考和失真，比单独评分更稳定