MeshMetrics：基于距离的图像分割度量标准的精确实现
计算机视觉与模式识别
2025-09-09 v1
摘要
图像分割研究的快速发展带来了显著的性能提升，同时也暴露了再现性危机。其中，性能评估是关键因素，度量标准的选择与实现都发挥着重要作用。虽然近期的努力改善了前者，但度量标准实现的可靠性获得了极少的关注。距离基于度量标准的实现中的一些陷阱会导致常见开源工具之间出现巨大差异，例如 Hausdorff 距离超过 100 mm，归一化表面距离误差达 30%pt。为解决这些陷阱，我们引入 MeshMetrics，一个基于网格的框架，提供比常规基于网格方法更精确的距离基于度量标准计算。通过理论分析和实证验证，我们展示 MeshMetrics 在准确性和精度上优于既有工具，并且在离散化制造物（如距离量化）的影响下显著更小。我们将 MeshMetrics 作为开源 Python 软件包发布，地址为 https://github.com/gasperpodobnik/MeshMetrics。
关键词
引用
@article{arxiv.2509.05670,
title = {MeshMetrics: A Precise Implementation of Distance-Based Image Segmentation Metrics},
author = {Gašper Podobnik and Tomaž Vrtovec},
journal= {arXiv preprint arXiv:2509.05670},
year = {2025}
}