PSNR / SSIM / LPIPS 图像相似度指标

衡量生成图和参考图有多像的三项常用指标，越往后越贴近人眼感受。

三者都是把生成或重建的图像与参考图逐张比较。PSNR（峰值信噪比）由均方误差换算成分贝，8 位图像的常见值在 30–50 dB，越高越好，但只看逐像素差，与人眼感受的相关性较差。SSIM（结构相似性）由 Wang、Bovik 等人 2004 年发表，从亮度、对比度、结构三方面比较局部图块，最大为 1，越高越好。LPIPS 由 Zhang 等人在 CVPR 2018 提出，把两张图送入预训练深度网络，比较中间层特征的差异，越低越好，与人类感知判断更一致。在具身智能里，它们常用来评估新视角合成、高斯泼溅重建和世界模型预测的画面，但分数高不代表物理上合理。

例子3D 高斯泼溅论文在 Mip-NeRF360 数据集上报告 PSNR 27.21、SSIM 0.815、LPIPS 0.214，画质与当时最好的 Mip-NeRF360 方法相当。

也叫

峰值信噪比、结构相似性、学习感知图像块相似度

相关

新视角合成、3D高斯泼溅、世界模型、弗雷歇视频距离、弗雷歇初始距离、神经辐射场

来源

The Unreasonable Effectiveness of Deep Features as a Perceptual Metric (LPIPS, CVPR 2018)
Wikipedia: Structural similarity index measure
Wikipedia: Peak signal-to-noise ratio