PSLChad、Chadlite、HTN：读懂 PSL 量表。
PSL 是社区面部评分框架，常以 1–8 分讨论。了解各档名称、常见含义，以及它们与照片测量结果的区别。
七档参考阶梯
班花班草级 (HTN)
明显高于平均水平，五官协调、轮廓清晰，大众审美中的阳光帅气面容与核心跃迁目标。
本站四组测量维度
五官协调
评估五官整体配合与紧凑度，包括面部三庭平衡、眼距适中度、脸宽高比（FWHR）与中面部紧凑比例。
性征轮廓
性征轮廓维度使用下颌与下巴的实测宽度，呈现这两项特征的相对表现。
骨骼折角
评估面部骨骼线条的鲜明度，包括下颌角清晰度、颧骨线条立体度以及内外眼角倾斜夹角。
面部对称
面部对称维度评估面部双侧平衡与协调，包括眼位水平度、下颌轮廓对齐及中线居中特征。
本站个人参考分如何计算
AttractiveNet 提供 PSL 总分。照片以面积重采样转换为 350 × 350 RGB 输入，在浏览器本地完成评分。MediaPipe 在原照片几何上测量五官协调、性征轮廓、骨骼折角、面部对称所需的指标。
- PSL 总分
S = clip(1 + 1.75 × (AttractiveNet − 1), 1, 8)- 几何调整量
δᵢ = 9 × rᵢ- 锚定维度分
Dᵢ = clip(S + δᵢ − 0.5 × Σ(wⱼ × δⱼ), 1, 8)- 维度权重
w = [0.35, 0.20, 0.25, 0.20]
16 项测量进入固定的特征曲线，各项加权贡献形成每组的相对表现 r。四维分数由总分锚定，并保留长短板差异，不要求四维平均值等于 PSL。测量解读、优势和造型优先项也使用这些加权曲线。
绿色区域代表社群美学黄金标准区间；竖线为你的实测读数；细横线表示在微小光线与姿态变动下的测量浮动范围。
每项显示的贡献为 9 × 特征曲线值 × 一致性权重。同组贡献求和后，再进行共同加权锚定与 1–8 分限幅。优势和优先项也按这些贡献选取。参考区段限定在模型记录的特征范围内。
有效的 AttractiveNet 结果提供 PSL 总分，16 项有效几何读数补齐四维评分。指标库公开每项测量、正向贡献区段与共用评分方法。
造型能改变 PSL 分数吗？
发型、理容、镜框与体态（Softmaxxing）能显著优化视觉比例与整体面容观感。合适的发型可以修饰脸部宽度与中庭长度，恰当的光线能大幅突出下颌骨骼线条。