على الرغم من أن تنبؤ الجمال الوجهي (FBP) قد حقق دقة عالية على الصور المُلتقطة في بيئة مُقيّدة، إلا أنه لا يزال يُعدّ مهمةً صعبةً على صور الوجوه المُلتقطة في البيئات الحقيقية (in-the-wild). علاوةً على ذلك، لا توجد حتى الآن مجموعة بيانات معيارية (benchmark dataset) لتنبؤ الجمال الوجهي تتضمن صورًا تمثل خصائص عرقية وعمرية وجندرية متنوعة، وتمتاز بحرية في التعبيرات الوجهية والوضعيات. في هذا العمل، تم معالجة مشكلة تنبؤ الجمال الوجهي في السياقات الواقعية، وتم تقديم مجموعة بيانات متعددة الأعراق للجمال الوجهي، تُسمى MEBeauty. تم جمع جميع صور الوجوه في بيئة غير مُقيّدة، وتم تقييمها من قِبل متطوعين ينتمون إلى خلفيات عرقية وعمرية وجندرية متنوعة، بهدف تجنب أي تحيزات ثقافية أو اجتماعية في إدراك الجمال. تم تطبيق عدة شبكات عصبية تلافيفية معروفة (CNNs) مع تقنية التعلم المنقول للطبقات (layer-wise transfer learning) على هذه المجموعة. كما تم إجراء تقييم لنقل المعرفة من مهمة التعرف على الوجوه إلى تنبؤ الجمال الوجهي. وتم أخذ بعين الاعتبار العدد الكبير المتوقع من الوجوه غير الطبيعية (aberrant) والقيم الشاذة (outliers)، وتم تقييم استخدام دوال خسارة متعددة ومقاومة (robust loss functions) لتعلم شبكات الانحدار العميقة (deep regression networks) لتنبؤ الجمال الوجهي. تم تطبيق عدة إطارات لتنبؤ الجمال الوجهي على المجموعة المُقترحة، بالإضافة إلى مجموعة البيانات الشهيرة SCUT-FBP 5500، بهدف مقارنة فعاليتها على صور الوجوه في البيئات المُقيّدة وغير المُقيّدة.