本研究提出了一个针对人像图像审美评估的多模态基础模型HumanAesExpert，并创建了专用的HumanBeauty数据集，显著提高了评估的精度和性能。

本文提出了一种基于自然语言处理的序列分类方法，包含新的损失函数，适用于面部年龄估计和审美评估等任务。研究创建了两个新的有序分类量化数据集，并提出了一种新的正则化算法，实验结果表明该算法在性能上优于现有方法。此外，通过建立TSOC基准测试，验证了该方法在有序标签结构的时间序列数据上的优势。