S3Diff / basicsr /metrics /README.md
zhangap's picture
Upload 213 files
36d9761 verified
|
raw
history blame
1.89 kB

Metrics

English | 简体中文

约定

因为不同的输入类型会导致结果的不同,因此我们对输入做如下约定:

  • Numpy 类型 (一般是 cv2 的结果)
    • UINT8: BGR, [0, 255], (h, w, c)
    • float: BGR, [0, 1], (h, w, c). 一般作为中间结果
  • Tensor 类型
    • float: RGB, [0, 1], (n, c, h, w)

其他约定:

  • _pt 结尾的是 PyTorch 结果
  • PyTorch version 支持 batch 计算
  • 颜色转换在 float32 上做;metric计算在 float64 上做

PSNR 和 SSIM

PSNR 和 SSIM 的结果趋势是一致的,即一般 PSNR 高,则 SSIM 也高。 在实现上, PSNR 的各种实现都很一致。SSIM 有各种各样的实现,我们这里和 MATLAB 最原始版本保持 (参考 NTIRE17比赛evaluation代码)

下面列了各个实现的结果比对. 总结:PyTorch 实现和 MATLAB 实现基本一致,在 GPU 运行上会有稍许差异

  • PSNR 比对
Image Color Space MATLAB Numpy PyTorch CPU PyTorch GPU
baboon RGB 20.419710 20.419710 20.419710 20.419710
baboon Y - 22.441898 22.441899 22.444916
comic RGB 20.239912 20.239912 20.239912 20.239912
comic Y - 21.720398 21.720398 21.721663
  • SSIM 比对
Image Color Space MATLAB Numpy PyTorch CPU PyTorch GPU
baboon RGB 0.391853 0.391853 0.391853 0.391853
baboon Y - 0.453097 0.453097 0.453171
comic RGB 0.567738 0.567738 0.567738 0.567738
comic Y - 0.585511 0.585511 0.585522