3D 形态审美偏好建模：跨对象类别的大规模配对比较研究

人类对 3D 形状的审美偏好是工业设计、虚拟现实和消费产品开发中至关重要的因素。然而，大多数计算模型缺乏基于大规模人类判断的实证依据，限制了其实际相关性。我们present了一项大规模的人类偏好研究。我们通过 Amazon Mechanical Turk 收集了 22,301 条跨五个对象类别（椅子、桌子、杯子、灯具和餐椅）的两两比较。基于先前发布的数据集，我们引入了新的非线性建模和跨类别分析，以揭示驱动审美偏好的几何因素。我们应用Bradley-Terry 模型推断潜在的审美得分，并使用 Random Forests 结合 SHAP 分析识别并解释最具影响力的几何特征（例如对称性、曲率、紧凑性）。我们的跨类别分析揭示了审美偏好的普遍原则和特定领域的趋势。我们关注人类可解释的几何特征，以确保模型的透明度和可操作的设计见解，而不是依赖于黑箱深度学习方法。我们的发现搭建了计算审美与认知科学之间的桥梁，为设计师提供实用指导，并提供一个公开可用的数据集以支持可重复性。本工作通过一种以人类为中心、数据驱动的方法，推进了对 3D 形状审美的理解。