감성 미디어 및 디지털 콘텐츠 제작 분야에서 3D Gaussian Splatting (3DGS) 의 주목도가 높아짐에 따라, 3D 장면의 미학을 평가하여 창작자들이 더 시각적으로 매력적인 3D 콘텐츠를 구축할 수 있도록 돕는 것이 중요해지고 있습니다. 그러나 기존의 3D 장면 평가 방법은 주로 재구성 정밀도와 지각적 현실성을 강조하며, 구성, 조화, 시각적 매력과 같은 상위 수준의 미적 속성은 대부분 간과하고 있습니다. 이러한 한계는 두 가지 주요 과제로 인해 발생합니다: (1) 미적 주석이 없는 일반 3DGS 데이터셋의 부재와 (2) 3DGS 가低级 표현으로서의 내재적 특성으로 인해 상위 수준의 미적 특성을 포착하기 어렵습니다. 이러한 과제를 해결하기 위해, 우리는 3D 신경 렌더링 장면을 평가하는 첫 번째 체계적인 프레임워크인 Aes3D 를 제안합니다. Aes3D 는 제안한 3D 장면 미학 주석 전략을 기반으로 구축된 3D 장면 미적 평가에 특화된 첫 번째 데이터셋인 Aesthetic3D 를 포함합니다. 또한, 3DGS 표현으로부터 장면 수준의 미적 점수를 직접 예측하는 경량 모델인 Aes3DGSNet 을 제시합니다. 특히, 우리의 모델은 3D Gaussian primitives 만 작동하며, 다중 뷰 이미지를 렌더링할 필요가 없어 계산 비용과 하드웨어 요구 사항을 줄입니다. 다중 뷰 3DGS 장면 표현에 대한 미학 감독 학습을 통해 Aes3DGSNet 은 상위 수준의 미적 단서를 효과적으로 포착하고 미적 점수를 정확하게 회귀합니다. 실험 결과는 우리의 접근법이 경량 디자인을 유지하면서 강력한 성능을 달성함을 보여주며, 3D 장면 미적 평가의 새로운 기준을 설정합니다. 코드와 데이터셋은 향후 버전에서 제공될 예정입니다.