PortraitAes：意图条件结构化肖像美学评估

肖像美学评估根据以人为中心的图像如何有效地实现其摄影意图来分配可比较的分数。这些分数支持图像生成管道中的数据过滤、候选者选择和偏好建模。现有方法通常预测单个美学分数或使用通用MLLM，而不以摄影意图为条件。这一遗漏很重要，因为相同的模糊、姿势、灯光或取景选择可能会服务于一种摄影意图，但却会破坏另一种摄影意图。因此，这些模型学习了与背景无关的审美先验，并对具有不同摄影目标的肖像产生不一致、不准确、误导性的判断。我们引入了 PortraitAes-Bench，这是一个 11K 规模的基准测试，可将这项任务分解为意图条件的子判断。专家撰写的标准定义了九个摄影意图、六个一级维度和 22 个二级标准。它们支持用于意图路由、专家评估、验证和分数融合的结构化管道。按照这个结构，我们通过多任务监督来训练 PortraitAes。然后，我们通过高斯分数校准和维度内跨图像排名来提高分数可比性。在标准基准上，PortraitAes 的 Pearson 相关性为 0.924，Spearman 等级相关性为 0.934。在困难情况集上，其 Pearson 相关性为 0.829，Spearman 等级相关性为 0.795。在这两组中，PortraitAes 的表现优于评估的通用MLLM和专业美学基线。