piq 0.7.0

安装

PyTorch Image Quality (PIQ)可以使用pip、conda或git安装。

如果你使用pip，你可以安装它：

$ pip install piq

如果你使用conda，你可以安装它：

$ conda install piq -c photosynthesis-team -c conda-forge -c PyTorch

如果您想直接使用 master 的最新功能，请克隆PIQ 存储库：

git clone https://github.com/photosynthesis-team/piq.git
cd piq
python setup.py install

文档

完整的文档可在https://piq.readthedocs.io获得。

使用示例

import torch
from piq import ssim, SSIMLoss

x = torch.rand(4, 3, 256, 256, requires_grad=True)
y = torch.rand(4, 3, 256, 256)

ssim_index: torch.Tensor = ssim(x, y, data_range=1.)

loss = SSIMLoss(data_range=1.)
output: torch.Tensor = loss(x, y)
output.backward()

import torch
from torch.utils.data import DataLoader
from piq import FID

first_dl, second_dl = DataLoader(), DataLoader()
fid_metric = FID()
first_feats = fid_metric.compute_feats(first_dl)
second_feats = fid_metric.compute_feats(second_dl)
fid: torch.Tensor = fid_metric(first_feats, second_feats)

import torch
from piq import FID

x_feats = torch.rand(10000, 1024)
y_feats = torch.rand(10000, 1024)
msid_metric = MSID()
msid: torch.Tensor = msid_metric(x_feats, y_feats)

指标列表

基准

作为我们库的一部分，我们提供代码来对一组常见的平均意见得分数据库上的所有指标进行基准测试。目前我们支持TID2013、 KADID10k和PIPAL。您需要单独下载它们并提供图像路径作为脚本的参数。

以下是如何在 TID2013 数据集上评估 SSIM 和 MS-SSIM 指标的示例：

python3 tests/results_benchmark.py --dataset tid2013 --metrics SSIM MS-SSIM --path ~/datasets/tid2013 --batch_size 16

下面我们提供了使用 PIQ 获得并在调查中报告的Spearman 等级相关系数(SRCC) 值之间的比较。更接近的 SRCC 值表明给定数据集的计算结果之间的一致性程度更高。我们不报告Kendall 等级相关系数(KRCC)，因为它与 SRCC 高度相关并且提供的附加信息有限。我们不报告Pearson 线性相关系数(PLCC)，因为它高度依赖于拟合方法并且偏向于简单的示例。

对于可以拍摄灰度或彩色图像的指标，c表示彩色版本。

与旨在计算图像距离的 FR 和 NR IQM 不同，DB 指标比较图像集的分布。为了解决这些问题，我们采用了一种不同的方式来计算https://arxiv.org/abs/2203.07809中提出的 DB IQM 。我们不是从整个图像中提取特征，而是将它们裁剪成大小为96 × 96的重叠图块，步幅 = 32。这种预处理允许我们将每对图像视为一对瓷砖分布，从而进行进一步的比较。计算 DB IQM 的其他阶段保持不变。

断言

在 PIQ 中，当某些组件没有收到预期类型的​​输入时，我们使用断言来引发有意义的消息。这使得原型设计和调试更容易，但它可能会损害性能。要禁用所有检查，请使用 Python -O标志：python -O your_script.py

路线图

有关建议的功能和已知问题的列表，请参阅未解决的问题。

贡献

如果您想帮助开发这个库，您可以在我们的贡献指南中找到更多信息。

引文

如果您在项目中使用 PIQ，请按如下方式引用它。

@misc{piq,
  title={{PyTorch Image Quality}: Metrics and Measure for Image Quality Assessment},
  url={https://github.com/photosynthesis-team/piq},
  note={Open-source software available at https://github.com/photosynthesis-team/piq},
  author={Sergey Kastryulin and Dzhamil Zakirov and Denis Prokopenko},
  year={2019},
}

联系人

谢尔盖 Kastryulin - @snk4tr - snk4tr@gmail.com

Jamil Zakirov - @zakajd - djamilzak@gmail.com

Denis Prokopenko - @denproc - d.prokopenko@outlook.com