HPDv3

Human Preference Dataset v3 (HPD v3)是一个包含108万文本-图像对和117万标注成对数据的数据集。该数据集旨在建模人类偏好的广泛谱系，引入了最新的生成模型和高质量真实照片，同时保留了旧模型和较低质量的真实图像。数据集由多种图像源组成，包括高质量图像、MidJourney、CogView4等生成模型产生的图像，以及从HPDv2精选的图像对。

搜集汇总

数据集介绍

构建方式

在视觉生成模型快速发展的背景下，HPDv3数据集通过整合多源异构数据构建而成。其核心采集策略涵盖高质量真实图像与前沿生成模型的输出，包括MidJourney、FLUX.1、Stable Diffusion系列等17种模型生成的图像，并融合了HPDv2精选数据。标注流程采用众包投票机制，每个样本对均记录标注者的投票分布与置信度，最终形成108万文本-图像对及117万条带标注的偏好对比数据，全面覆盖从传统扩散模型到新兴DiT架构的生成质量谱系。

特点

该数据集最显著的特征在于其广谱覆盖性，既包含5.7万张高质量真实摄影图像，又纳入33万张MidJourney用户创作内容，形成真实与生成图像的有机对比。数据结构层面提供三重层级：完整标注对记录投票分布与置信度，训练集额外融合Pick-a-pic和ImageRewardDB数据增强鲁棒性，测试集则严格隔离用于模型评估。每条数据均精确标注生成模型来源，为研究不同架构的审美偏好提供细粒度分析基础。

使用方法

研究者可通过解析JSON文件获取结构化偏好数据，其中首选样本固定置于path1字段，配套的choice_dist字段揭示人类标注者的投票分布规律。训练阶段建议结合主训练集与增广数据集共同优化模型，测试集应严格用于评估泛化性能。对于置信度较高的样本对可赋予更大权重，而模型来源标记支持针对性分析不同生成架构的偏好特性，为视觉审美建模提供多维度验证基础。

背景与挑战

背景概述

人类视觉偏好建模是计算机视觉与生成式人工智能交叉领域的核心研究方向。由Mizzen AI联合香港中文大学多媒体实验室等机构于2025年推出的HPDv3数据集，标志着第三代人类偏好标注体系的成熟。该数据集包含108万文本-图像对及117万对标注数据，整合了从Stable Diffusion系列到最新DiT架构的17种生成模型输出，同时涵盖专业摄影作品与用户生成内容。其创新性体现在构建宽谱系偏好评估体系，为生成模型的质量评估提供了多维度的基准框架，对视觉内容生成模型的优化方向具有指引性价值。

当前挑战

在解决生成图像质量评估问题时，需克服人类主观偏好的量化难题，包括跨文化审美差异的标准化、动态演变偏好趋势的捕捉，以及多维度质量指标的统一建模。数据集构建过程中面临大规模标注一致性维护的挑战，特别是在整合MidJourney用户数据和传统标注数据时，需要设计新型置信度校准机制。不同生成模型输出特征的异构性要求设计特殊的数据清洗流程，而超百万对样本的存储与检索效率优化亦构成重大工程技术挑战。

常用场景

经典使用场景

在生成式人工智能的演进历程中，人类视觉偏好建模始终是核心挑战。HPDv3数据集通过整合超过百万级文本-图像对及标注数据，为训练视觉偏好预测模型提供了标准化基准。其典型应用场景包括对比不同生成模型输出质量，通过成对比较机制量化人类对图像美学、语义一致性与技术指标的综合性评判，为模型优化提供可量化的反馈信号。

实际应用

在实际工业部署中，HPDv3支撑了新一代视觉内容生成系统的偏好对齐模块开发。科技公司可基于该数据集训练奖励模型，用于优化Stable Diffusion、FLUX.1等主流生成模型的输出质量控制系统。在内容创作平台，该系统能自动筛选符合人类审美的高质量图像，显著提升社交媒体、广告设计及娱乐产业的内容生成效率与用户满意度。

衍生相关工作

该数据集直接催生了HPSv3偏好评分模型的诞生，并衍生出多模态对齐领域的系列创新研究。基于其构建的基准测试推动了Pick-a-pic、ImageRewardDB等数据集的整合应用，相关成果被ICCV 2025收录并引发后续关于跨文化偏好差异、动态偏好演化建模等深度研究，形成了生成式AI安全性评估与价值对齐的重要分支领域。