三维重建渲染指标介绍（PSNR SSIM LPIPS）

最新推荐文章于 2026-04-30 10:13:53 发布
原创 最新推荐文章于 2026-04-30 10:13:53 发布 · 945 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
标签
#人工智能
Python3.8

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

1、PSNR峰值信噪比（衡量带噪声图片和原始图像之间的差异，用于比较噪声）

将MSE代入可以得到

PSNR越大证明MSE越小，说明图像中高频噪声越小

亮度相似度对比两张图像总体亮度差异

C1防止像素值为0导致分母为0，这部分取值为0-1，当x和y相同的时候为1

对比度求图像灰度的标准差来衡量对比度

结构对比度使用相关系数，使用协方差除以方差的积表示

然后将上面三个乘在一起，α β γ放在指数位

取值范围为-1，1，指数为都为1

最后计算得到

实际使用使用高斯核再求SSIM

2、SSIM结构相似性

衡量两张图片之间的相似程度，图片在MSE相同的时候可能会发生图片质量仍然相差很大的情况。PSNR这个指标太单一了，因此SSIM从多个指标进行，包括亮度，对比度和结构相似度三个维度

3、LPIPS（Learned Perceptual lmage Patch Similarity）学习感知图像块相似度

用深度特征与两张图片之间的相似度，使用深度神经网络得出的结果更符合人的感知

图像相似度越低，深度特征之间差异越大，LPIPS越小越好

您可能感兴趣的与本文相关的镜像

Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

Aaron_X.Chen
关注
感知相似度：LPIPS指标。 点安装lpips
02-05
感知相似性指标和数据集 深度特征作为感知指标的不合理有效性（ ，（ ，（ ，（ ，（ 。 在 ，2018中。 快速开始 运行pip install lpips 。 下面的Python代码就是您所需要的。 import lpips loss_fn_alex = lpips . LPIPS ( net = 'alex' ) # best forward scores loss_fn_vgg = lpips . LPIPS ( net = 'vgg' ) # closer to "traditional" perceptual loss, when used for optimizat
图像生成中图像质量评估指标— LPIPS介绍
u013889591的专栏
07-26 7153
Learned Perceptual Image Patch Similarity（LPIPS）是一种基于深度学习的图像相似度评估指标。与传统的基于误差的评估方法不同，LPIPS利用训练好的神经网络模型来学习图像内容的感知相关性，从而提供一种更符合人类视觉感知的图像质量评价方式。LPIPS通过比较两幅图像的局部感知特征来评估它们的相似度。这些特征是通过在大量的图像对上训练一个深度卷积神经网络得到的，网络学习将图像内容映射到一个低维空间，在这个空间中，人类感知上相似的图像具有较小的距离。
图像质量评价指标metrics：PSNR 、SSIM、LPIPS
m0_67357141的博客
11-29 1万+
是基于对应像素点间的误差，即基于误差敏感的图像质量评价，由于并未考虑到人眼的视觉特性（人眼对空间频率较低的对比差异敏感度较高，人眼对亮度对比差异的敏感度较色度高，人眼对一个 区域的感知结果会受到其周围邻近区域的影响等），因而经常出现评价结果与人的主观感觉不一致的情况。必须满足两张图像的size要完全一样。可以衡量图片的失真程度，也可以衡量两张图片的相似程度。与MSE和PSNR衡量绝对误差不同，SSIM是感知模型，即更符合人眼的直观感受。
别再只盯着PSNR了！搞懂LPIPS、FID这些新指标，你的图像质量评估才算入门
最新发布
weixin_42550052的博客
04-30 174
本文深入探讨了图像质量评估从传统PSNR到现代感知指标LPIPS、FID的演进，揭示了PSNR的局限性及其与人类视觉感知的差异。通过实战案例和代码示例，展示了LPIPS和FID在超分辨率、图像生成等任务中的优势，帮助读者构建更符合人眼感知的评估体系。
常见的图像质量评估指标SSIM、PSNR、LPIPS
不想学习的打工人的博客
09-18 2万+
现阶段针对有真实参考的图像生成任务，主要有三种评价指标，分别为两种人为设计的指标SSIM和PSNR，也包括深度学习网络抽取到的特征进行对比的LPIPS评价指标。
LPIPS 图像相似性度量标准、感知损失（Perceptual loss）
热门推荐
Drug discovery
11-03 5万+
LPIPS 图像相似性度量标准（感知损失）
LPIPS(Learned Perceptual Image Patch Similarity)
weixin_43466026的博客
08-24 3万+
学习感知图像块相似度(Learned Perceptual Image Patch Similarity, LPIPS)也称为“感知损失”(perceptual loss)，用于度量两张图像之间的差别。来源于CVPR2018《The Unreasonable Effectiveness of Deep Features as a Perceptual Metric》，该度量标准学习生成图像到Ground Truth的反向映射强制生成器学习从假图像中重构真实图像的反向映射，并优先处理它们之间的感知相似度。LP
从NeRF到3D Gaussian Splatting：你的模型‘好’吗？聊聊三维重建质量评估那些事儿
weixin_29064009的博客
03-20 309
本文深入探讨了从NeRF到3D Gaussian Splatting的三维重建质量评估方法，详细解析了PSNR、SSIM、LPIPS和CD等核心指标的应用场景与技术实现。通过对比不同技术栈的评估范式变迁，为开发者提供了实战指南，帮助精准衡量重建模型的几何精度与渲染质量。
HumanNeRF 笔记
qq_52686989的博客
10-12 984
学习笔记
从Mesh到图片：三维重建质量评估全链路指南，手把手教你用Trimesh和Skimage跑通CD与LPIPS
weixin_30897233的博客
03-22 26
本文详细解析三维重建质量评估全流程，从Mesh生成到多维度指标计算，涵盖Chamfer Distance、PSNR、SSIM和LPIPS等核心评价指标。通过Trimesh和Skimage实战演示，帮助开发者掌握三维重建质量评估的关键技术，提升重建模型的几何精度和视觉保真度。
【三维重建2】TCPFormer以及NeRF相关SOTA方法
天赋决定上限，努力决定下限！
01-11 819
它是一种将3D场景表示为数百万个微小的、可以变形（由协方差矩阵控制大小旋转）、移动（位置）、改变透明度（不透明度）和能根据视角改变颜色（球谐函数）的“椭圆小云朵”（即3D高斯函数） 的技术。在训练过程中，系统会根据图像重建误差，持续地自动调整这些小云朵的所有属性（位置、大小形状、透明度、视角颜色），甚至能自动地复制出新的小云朵到需要更多细节的地方，或者删除掉过于透明没用的小云朵，直到这些小云朵的组合在屏幕上渲染出来的图像和真实照片尽可能一致。
NeRF 模型评价指标PSNR,MS-SSIM, LPIPS 详解和python实现
qq_35831906的博客
06-13 1万+
PSNR（Peak Signal-to-Noise Ratio，峰值信噪比）是一种常用于衡量图像或视频质量的指标。它用于比较原始图像与经过处理或压缩后的图像之间的差异。PSNR主要用于衡量图像的重建误差，而MS-SSIM和LPIPS更加关注人眼对图像感知的差异。
NeRF常用评价指标:PSNR、SSIM、LPIPS详解
weixin_46052134的博客
07-16 4106
在b站看了up主：意の茗 的讲解视频，也查阅了LPIPS文献原文，做了如下笔记总结。
图像评价指标LPIPS、FID、NIQE 和BRISQUE 的实现代码及总结
Kwei200000的博客
09-10 3172
在计算机视觉领域，特别是图像生成和图像质量评估中，感知指标被用来衡量生成图像与真实图像之间的视觉相似度。以下是两种常用的感知指标：LPIPS 和 FID。
图像相似度衡量指标（PSNR、SSIM、LPIPS）
fpq199182的博客
03-12 5829
是一种用于衡量图像质量的指标。它是衡量信号最大可能功率和影响它的表示精度的破坏性噪声功率的比值。是通过计算原始图像和失真图像之间的均方误差（）来衡量的，然后将其转换为一个对数尺度。），值越大表示图像质量越好。
图像评价指标PSNR、SSIM、LPIPS、FID
qq_43826289的博客
01-04 5988
图像评价指标PSNR、SSIM、LPIPS、FID
SSIM、PSNR、LPIPS、MUSIQ、NRQM、NIQE 六个图像质量评估指标
qq_45987837的博客
06-06 4129
详细解释了SSIM、PSNR、LPIPS、MUSIQ、NRQM、NIQE这六个指标。
图像超分辨率重建的评价指标（PSNR、SSIM、LPIPS、CLIP-IQA、MUSIQ、ICC）
weixin_45897172的博客
10-24 8657
是一种用于衡量图像质量的指标，通常用于评价图像压缩、超分辨率、图像复原等算法的效果。它通过衡量重建图像与参考图像之间的差异，来评估图像的质量。PSNR 的单位是 dB（分贝），数值越大表示图像质量越高，重建图像越接近参考图像。在通常的RGB图像中，PSNR的最大值（MSE最小，为0时）为20*lg(255)≈48左右。（1）高于40dB：说明图像质量极好(即非常接近原始图像)（2）30—40dB：通常表示图像质量是好的(即失真可以察觉但可以接受)（3）20—30dB：说明图像质量差。
【图像评价指标】PSNR LPIPS LMD SSIM FID
零碎@流年絮语 的博客
09-28 5473
LMD（Landmark Distance）是用于评估面部图像生成质量的指标，它用于度量生成的面部图像与真实面部图像之间的面部特征点的距离，以评估生成图像的面部特征的准确性。LMD通常用于人脸合成和生成任务中，以衡量生成的面部图像与真实面部图像之间的相似性。请注意，实际应用中，需要使用真实图像和生成图像的特征向量来进行计算，通常可以使用深度学习框架（如PyTorch或TensorFlow）中的预训练模型来提取这些特征向量。LPIPS模型的具体架构和参数是经过大规模训练得到的，用于捕捉图像的感知信息。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值