2025年11月29日学习随记——图像质量评估指标对比

SSIM、PSNR、LPIPS 和 FID 是图像质量评估中常用的指标。它们衡量图像质量的方式不同，因此评价标准（越大越好还是越小越好）也不同。

图像质量评估指标及其评价标准

指标	全称	衡量侧重	评价标准
SSIM	Structural Similarity Index (结构相似性指数)	结构相似性：衡量两张图像在亮度、对比度和结构方面的相似性。它更符合人眼对图像质量的感知。	越大越好 (通常接近1)：SSIM 值在 0 到 1 之间，1 表示两张图像完全相同。更高的 SSIM 值表示生成的图像与参考图像在结构上更相似。
PSNR	Peak Signal-to-Noise Ratio (峰值信噪比)	像素差异：衡量图像在像素层面上的失真程度，即信号（原始图像）与噪声（失真）之间的比率。是基于像素点误差的客观评估。	越大越好 (单位dB)：PSNR 值以分贝（dB）表示，更高的 PSNR 值表示图像失真越小，质量越好。
LPIPS	Learned Perceptual Image Patch Similarity (学习到的感知图像块相似性)	感知相似性：使用深度学习模型提取的特征来衡量两张图像在感知（perceptual）层面的相似性。它试图模拟人眼对图像的“感觉”差异。	越小越好 (通常接近0)：LPIPS 值越小表示生成的图像与参考图像在感知上越相似，即人眼看起来差异越小。
FID	Fréchet Inception Distance (弗雷歇起始距离)	分布相似性：衡量生成图像的特征分布与真实图像的特征分布之间的距离。它使用预训练的 Inception 模型提取图像特征，然后计算这两个特征分布的 Fréchet 距离。	越小越好 (通常接近0)：FID 值越小表示生成图像的整体分布（包括多样性和真实感）越接近真实图像的分布，即生成质量越高。

总结

• 越大越好：SSIM 和 PSNR
• 越小越好：LPIPS 和 FID

在评估生成图像质量时，通常会综合考虑这些指标。例如，PSNR 关注像素级的准确性，SSIM 关注结构相似性，而 LPIPS 和 FID 则更关注生成图像的感知质量和多样性分布，这对于生成任务（如图像翻译）来说尤为重要。