3DGen-Bench：面向3D生成模型的综合基准套件
计算机视觉与模式识别
2025-07-29 v3
摘要
3D生成正在迎来快速发展，而3D评估的进展不足以跟上。如何使自动评估在公平程度上与人类感知保持一致已成为广为人知的挑战。近期在语言和图像生成领域的进展探索了人类偏好并展示了相当好的拟合能力。然而，3D领域仍缺乏针对生成模型的全面偏好数据集。为缓解这一缺失，我们开发了3DGen-Arena，一个以竞技方式运行的集成平台。随后，我们仔细设计多样化的文本和图像提示，利用该平台收集来自普通用户和专家注释员的人类偏好，形成大规模多维人类偏好数据集3DGen-Bench。利用该数据集，我们进一步训练了一个基于CLIP的评分模型3DGen-Score，以及一个基于MLLM的自动评估器3DGen-Eval。这两个模型创新性地统一了文本到3D和图像到3D生成的质量评估，并构成了各自优势互补的自动评估系统。大量实验表明，我们的评分模型在预测人类偏好方面具有效能，与现有指标相比在与人类排名的相关性方面表现更优。我们相信，我们的3DGen-Bench数据集和自动评估系统将推动3D生成领域的更公平评估，进一步促进3D生成模型及其下游应用的发展。项目页面可在https://zyh482.github.io/3DGen-Bench/访问。
关键词
引用
@article{arxiv.2503.21745,
title = {3DGen-Bench: Comprehensive Benchmark Suite for 3D Generative Models},
author = {Yuhan Zhang and Mengchen Zhang and Tong Wu and Tengfei Wang and Gordon Wetzstein and Dahua Lin and Ziwei Liu},
journal= {arXiv preprint arXiv:2503.21745},
year = {2025}
}
备注
Page: https://zyh482.github.io/3DGen-Bench/ ; Code: https://github.com/3DTopia/3DGen-Bench