تندرج مسألة توقع الجمال الوجهي (Facial Beauty Prediction - FBP) ضمن المشكلات المهمة في التعرف البصري، حيث تهدف إلى تقييم جاذبية الوجه بما يتوافق مع إدراك الإنسان. ولحل هذه المسألة، تم تقديم نماذج تعتمد على البيانات، وخاصة تقنيات التعلم العميق المتطورة، وبرزت مجموعات البيانات القياسية كعنصر أساسي لتحقيق توقع الجمال الوجهي. وقد صُنِّفت أعمال سابقة عملية تمييز الجمال الوجهي ضمن مشكلة تعلم مراقبة محددة، مثل التصنيف أو الانحدار أو التصنيف الترتيبي، مما يدل على أن FBP هي في جوهرها مشكلة حسابية متعددة النماذج. ومع ذلك، فإن معظم مجموعات البيانات القياسية لـ FBP تم إنشاؤها ضمن قيود حسابية محددة، ما يحد من أداء النماذج الحسابية المدربة عليها ومرنّيتها. في هذا البحث، نُقدّم رأياً بأن FBP هي مشكلة حسابية متعددة النماذج، ونُقدّم مجموعة بيانات جديدة ومتنوعة تُسمى SCUT-FBP5500، بهدف تحقيق توقع جمال وجوه متعدد النماذج. تضم مجموعة SCUT-FBP5500 ما مجموعه 5500 صورة لوجوه أمامية متنوعة من حيث الخصائص (ذكور/إناث، آسيويون/أوروبيون، أعمار مختلفة) ومتعددة التسميات (مواقع الوجه، نقاط الجمال ضمن المدى [1، 5]، توزيع نقاط الجمال)، ما يمكّن من استخدام نماذج حسابية مختلفة تعتمد على نماذج متعددة لـ FBP، مثل نماذج التصنيف أو الانحدار للجمال الوجهي القائمة على المظهر أو الشكل، للذكور والإناث من مختلف الأعراق الآسيوية والأوروبية. وقد قُمنا بتقييم مجموعة SCUT-FBP5500 في مجال FBP باستخدام توليفات مختلفة من السمات والمتغيرات التنبؤية، بالإضافة إلى مجموعة متنوعة من أساليب التعلم العميق. وأظهرت النتائج تحسناً في أداء توقع الجمال الوجهي، مع إبراز الإمكانيات الواعدة لتطبيقات مستقبلية قائمة على مجموعة SCUT-FBP5500.