对训练指标的一些疑问

[yyy-boop]

您好！感谢您出色的工作！在使用python lib/render.py -c -m output/scene1 --iteration -p python lib/metrics.py -m output/scene1这两行代码后我得到了
PSNR : 11.0347091 SSIM : 0.4105126 LPIPS: 0.6871817 对照您在readme里给出的参考表，我原以为这个结果很差，但是从python lib/render.py -c -m output/scene1 -p -v代码中导出的视频显示来看，结果似乎并不错。

能否请您详细地解释一下这三个指标的含义，以及其数值大小可能产生的影响？

[TQTQliu]

谢谢您对我们工作的关注。 之所以会得到比较差的指标，可能是因为先生成了video，然后再算的指标。但实际上video的每一帧是没有GT的，所以这个时候得到的指标是没有意义的。您可以先删掉文件夹output/scene1/test，然后重新运行：

python lib/render.py -c -m output/scene1 --iteration <iter> -p <path to save ply>
python lib/metrics.py -m output/scene1

此时得到的指标便是测试视角（有对应的GT）的指标。 类似的问题可见这里。

指标的含义： PSNR/SSIM/LPIPS是常用图像评价指标。PSNR即峰值信噪比，与MSE（均方误差）成反比，是一种逐像素计算、比对的指标，其值越高，表示图像质量越好。SSIM旨在衡量两幅图像的结构相似程度，其值介于0和1之间，值越大表示两幅图像越相似。SSIM的计算涉及到亮度、对比度和结构三个方面的比较。LPIPS是一个基于深度学习的图像质量评价指标，通常使用预训练的CNN（如VGG或AlexNet）作为特征提取器，然后将提取的特征表示作为输入，通过一个距离度量函数计算图像之间的相似性得分。LPIPS的得分范围通常是0到1之间，数值越小表示图像的感知质量越高。

PSNR：逐像素计算，简单直观，数值越大图像质量越好。 SSIM：考虑图像结构，更符合人眼视觉特性，数值越大图像质量越好。 LPIPS：基于深度学习，能够捕捉复杂的图像特征和感知差异，数值越小表示感知差异越小即图像质量越好。

[yyy-boop]

谢谢您对我们工作的关注。 之所以会得到比较差的指标，可能是因为先生成了video，然后再算的指标。但实际上video的每一帧是没有GT的，所以这个时候得到的指标是没有意义的。您可以先删掉文件夹output/scene1/test，然后重新运行：

python lib/render.py -c -m output/scene1 --iteration <iter> -p <path to save ply>
python lib/metrics.py -m output/scene1

此时得到的指标便是测试视角（有对应的GT）的指标。 类似的问题可见这里。

指标的含义： PSNR/SSIM/LPIPS是常用图像评价指标。PSNR即峰值信噪比，与MSE（均方误差）成反比，是一种逐像素计算、比对的指标，其值越高，表示图像质量越好。SSIM旨在衡量两幅图像的结构相似程度，其值介于0和1之间，值越大表示两幅图像越相似。SSIM的计算涉及到亮度、对比度和结构三个方面的比较。LPIPS是一个基于深度学习的图像质量评价指标，通常使用预训练的CNN（如VGG或AlexNet）作为特征提取器，然后将提取的特征表示作为输入，通过一个距离度量函数计算图像之间的相似性得分。LPIPS的得分范围通常是0到1之间，数值越小表示图像的感知质量越高。

PSNR：逐像素计算，简单直观，数值越大图像质量越好。 SSIM：考虑图像结构，更符合人眼视觉特性，数值越大图像质量越好。 LPIPS：基于深度学习，能够捕捉复杂的图像特征和感知差异，数值越小表示感知差异越小即图像质量越好。

[yyy-boop]

谢谢您对我们工作的关注。之所以会得到比较差的指标，可能是因为先生成了video，然后再算的指标。但实际上video的每一帧是没有GT的，所以这个时候得到的指标是没有意义的。您可以先删掉文件夹output/scene1/test，然后重新运行：

python lib/render.py -c -m output/scene1 --iteration <iter> -p <path to save ply>
python lib/metrics.py -m output/scene1

此时得到的指标便是测试视角（有对应的GT）的指标。类似的问题可见这里。 指标的含义： PSNR/SSIM/LPIPS是常用图像评价指标。PSNR即峰值信噪比，与MSE（均方误差）成反比，是一种逐像素计算、比对的指标，其值越高，表示图像质量越好。SSIM旨在衡量两幅图像的结构相似程度，其值介于0和1之间，值越大表示两幅图像越相似。SSIM的计算涉及到亮度、对比度和结构三个方面的比较。LPIPS是一个基于深度学习的图像质量评价指标，通常使用预训练的CNN（如VGG或AlexNet）作为特征提取器，然后将提取的特征表示作为输入，通过一个距离度量函数计算图像之间的相似性得分。LPIPS的得分范围通常是0到1之间，数值越小表示图像的感知质量越高。 PSNR：逐像素计算，简单直观，数值越大图像质量越好。SSIM：考虑图像结构，更符合人眼视觉特性，数值越大图像质量越好。LPIPS：基于深度学习，能够捕捉复杂的图像特征和感知差异，数值越小表示感知差异越小即图像质量越好。

感谢您的回复，这对我帮助很大