SAMScore：一种用于图像翻译评价的内容结构相似性度量
计算机视觉与模式识别
2025-01-28 v2 人工智能
摘要
图像翻译具有广泛的应用，例如风格迁移和模态转换，通常旨在生成兼具高度真实性和保真度的图像。这些问题仍然困难，尤其是在保留内容结构至关重要时。传统的图像级相似性度量用途有限，因为图像的内容结构是高层次的，并不强烈受限于对原始图像的逐像素保真。为填补这一空白，我们提出了 SAMScore，一种用于评价图像翻译模型保真度的通用内容结构相似性度量。SAMScore 基于近期高性能的 Segment Anything Model (SAM)，可实现出众准确性的内容相似性比较。我们在 19 个图像翻译任务上应用了 SAMScore，发现它能够在所有任务上超越其他所有竞争性度量。我们预期 SAMScore 将证明是一个有价值的工具，通过允许对新出现和不断演进的翻译模型进行更精确的评价，助力充满活力的图像翻译领域。代码可在 https://github.com/Kent0n-Li/SAMScore 获取。
引用
@article{arxiv.2305.15367,
title = {SAMScore: A Content Structural Similarity Metric for Image Translation Evaluation},
author = {Yunxiang Li and Meixu Chen and Kai Wang and Jun Ma and Alan C. Bovik and You Zhang},
journal= {arXiv preprint arXiv:2305.15367},
year = {2025}
}