理解 SSIM
图像与视频处理
2020-07-01 v2 图形学
摘要
结构相似性指数 (SSIM) 的使用十分广泛。近二十年来，它在许多不同研究学科的图像质量评价中发挥着重要作用。显然，其优点在研究界无可争议。然而，对该指数的深入审视却很少。与普遍看法相反，SSIM 具有一些值得此类审视的有趣特性。在本文中，我们分析了 SSIM 的数学因素，并表明它能在合成与真实用例中产生出乎意料、有时未定义且非直观的结果。因此，基于 SSIM 评估图像质量可能导致错误结论，而将 SSIM 用作深度学习的损失函数可能将神经网络训练引入错误方向。
引用
@article{arxiv.2006.13846,
title = {Understanding SSIM},
author = {Jim Nilsson and Tomas Akenine-Möller},
journal= {arXiv preprint arXiv:2006.13846},
year = {2020}
}
备注
8 pages. Please visit https://research.nvidia.com/publication/2020-07_Understanding-SSIM for supplemental material