新视角合成应用中图像相似度指标的基准测试
计算机视觉与模式识别
2025-06-17 v1
摘要
传统图像相似度指标在评估场景的真实图像与该视角的人工生成版本之间的相似度时效果不佳 [6, 9, 13, 14]。本研究评估了一种新的基于感知的相似度指标 DreamSim [2] 以及三种流行的图像相似度指标：结构相似度（SSIM）、峰值信噪比（PSNR）和学习感知图像块相似度（LPIPS）[18, 19] 在新视角合成（NVS）应用中的有效性。我们创建了一个包含人工损坏图像的语料库，以量化每种图像相似度指标的灵敏度和判别能力。这些测试揭示出传统指标无法有效区分具有微小像素级变化的图像与具有严重损坏的图像，而 DreamSim 对微小缺陷更具鲁棒性，能够有效评估图像的高层相似度。此外，我们的结果表明 DreamSim 在评估渲染质量方面更为有效和有用，尤其是在评估真实使用场景中的 NVS 渲染时，轻微的渲染损坏很常见但不影响图像对人类任务的实用性。
引用
@article{arxiv.2506.12563,
title = {Benchmarking Image Similarity Metrics for Novel View Synthesis Applications},
author = {Charith Wickrema and Sara Leary and Shivangi Sarkar and Mark Giglio and Eric Bianchi and Eliza Mace and Michael Twardowski},
journal= {arXiv preprint arXiv:2506.12563},
year = {2025}
}