为什么不能只相信数字？
像PSNR（峰值信噪比）和SSIM（结构相似性）这类定量指标衡量的是像素级差异，但它们无法告诉你重建结果看起来是否自然，或者是否保持了身份一致性。在[2]中，作者报告了PSNR、SSIM、LPIPS（学习感知图像块相似性）和FID（弗雷歇 inception 距离）的改进，但他们也强调了对“服装细节、身份一致性和姿态准确性”的定性评估——这些是单纯数字无法捕捉的。因此，即使PSNR很高，如果服装褶皱不对或面部不匹配，人眼看起来仍可能觉得“不对劲”。
同样地，[1]指出他们的方法利用表面法线和光流等基于图像的先验信息来捕捉“服装的细微几何形态”，但该论文的评估包含定性比较，因为这些细节难以量化。要点在于：将指标作为初步筛选手段，但始终要结合人工判断。
那么运动和时间的表现如何？
对于4D重建而言，时间一致性——即网格或外观在帧间变化的平滑程度——至关重要。[3]特别关注“细粒度的动态细节，尤其是衣物褶皱和头发运动”，这些细节在静态指标中往往被忽略。他们提出了一种残差变形场来捕捉这些细节，但评估这些细节需要随时间观察整个序列，而不仅仅是查看单帧。
一种实用的评估方法是，从重建结果中渲染出新颖视角，并请观看者对时间闪烁或抖动进行评分。[5]还指出，他们的方法能够处理“大形变”和“遮挡区域的形状补全”，这些主观方面需要视觉检查。因此，在评估时，应包含延时视频或交互式查看，以评估运动质量。
你实际上如何运行主观评估？
一套实用的方案是将自动化指标与结构化用户研究相结合。首先使用标准指标：PSNR、SSIM、LPIPS用于图像质量评估，FID用于分布相似性评估，正如[2]中所采用的做法。随后，招募一小批评估者（例如10至20人），让他们并排观看不同方法重建结果的对比，并依据“身份保持”“服装细节”和“时间稳定性”等标准进行评分。这一做法与[1]和[3]在定性比较中所隐含采用的方式相呼应。
此外，还需考虑针对特定任务的评估：若目标是远程临场感，如文献[2]所述，可让用户在对话场景中评判“临场感”或“真实感”；若用于动画制作，如文献[4]所示，则应测试重建网格能否在无伪影的情况下重新摆姿势。关键在于使评估与预期应用场景保持一致。
关于这些资料来源
本回答基于5项同行评审研究——发表于2023年至2025年间，其中3项为2024年或之后发表，合计被引用179次——这些研究是从5项通过质量筛选的研究中选出的最相关成果，而后者又源自从超过5亿篇论文数据库中检索到的42篇文献。
本文引用的文献
DressRecon：基于单目视频的自由形式4D人体重建
DressRecon将人体先验与视频特定的形变相结合，以捕捉宽松衣物和物体交互，并在具有挑战性的数据集上报告了比先前方法更高保真度的3D重建结果，但摘要中未提供定量指标。
基于多视图先验的高斯溅射单目三维人体重建
本论文提出了一种基于高斯溅射与多视图先验的实时单目重建流程，在PSNR、SSIM、LPIPS和FID指标上均优于现有最先进方法，定性评估显示其在服装细节和身份一致性方面表现更佳。
基于渐进式训练与残差变形场的可动画NeRF动态细节增强
该论文引入残差变形场和渐进式训练，以增强可动画化NeRF中的动态细节（如衣物褶皱和头发运动），但摘要中未报告定量指标。
人类4D：利用Transformer重建与追踪人类
4DHumans采用基于Transformer的HMR 2.0进行网格恢复和3D跟踪，从单目视频中实现了最先进的跟踪效果，但其摘要侧重于跟踪精度，而非主观质量。
无偏4D：基于神经变形模型的单目4D重建
Ub4D提出了一种用于单目4D重建的无偏神经变形模型，在表面重建精度和对大形变的鲁棒性方面均有提升，但摘要中未包含主观质量指标。