PIQA 未得到 Facebook, Inc. 的认可；PyTorch、PyTorch 徽标和任何相关标记是 Facebook, Inc. 的商标。

PyTorch 图像质量评估

该piqa软件包是各种图像处理任务（例如去噪、超分辨率、图像插值等）中图像质量评估的度量和指标的集合。它仅依赖于PyTorch，并利用其效率和自动微分优势。

PIQA 直接受到该piq项目的启发，但侧重于其（子）模块的简洁性、可读性和可理解性，以便任何人都可以轻松地重用和/或调整它们以满足其需求。

但是，简洁不应该以牺牲效率为代价；PIQA 的实现速度比其他 IQA PyTorch 包（如kornia、piq和IQA-pytorch.

PIQA应该发音为pika（像皮卡丘⚡️）

安装

该piqa软件包在PyPI上可用，这意味着它可以通过以下方式安装pip：

pip install piqa

或者，如果您需要最新的功能，您可以使用

pip install git+https://github.com/francois-rozet/piqa

或将包直接复制到您的项目中，使用

git clone https://github.com/francois-rozet/piqa
cp -R piqa/piqa <path/to/project>/piqa

文档

这个包的文档是由 自动生成的Sphinx。

入门

在piqa中，每个度量都与一个类相关联，torch.nn.Module它的子类必须被实例化以评估度量。

import torch

# PSNR
from piqa import PSNR

x = torch.rand(5, 3, 256, 256)
y = torch.rand(5, 3, 256, 256)

psnr = PSNR()
l = psnr(x, y)

# SSIM
from piqa import SSIM

x = torch.rand(5, 3, 256, 256, requires_grad=True).cuda()
y = torch.rand(5, 3, 256, 256).cuda()

ssim = SSIM().cuda()
l = 1 - ssim(x, y)
l.backward()

与torch.nn内置组件一样，这些类基于度量的功能定义，对用户不太友好，但更通用。

import torch

from piqa.ssim import ssim
from piqa.utils.functional import gaussian_kernel

x = torch.rand(5, 3, 256, 256)
y = torch.rand(5, 3, 256, 256)

kernel = gaussian_kernel(11, sigma=1.5).repeat(3, 1, 1)

l = ssim(x, y, kernel=kernel, channel_avg=False)

指标

即时通讯

大多数功能组件都piqa支持 PyTorch 的 JIT，即 TorchScript，这是一种从 PyTorch 代码创建可序列化和可优化函数的方法。

默认情况下，这些组件的抖动是禁用的。要启用它，必须将PIQA_JIT环境变量设置为1. 暂时这样做，

• 类 UNIXbash

export PIQA_JIT=1

• 视窗cmd

set PIQA_JIT=1

• 微软PowerShell

$env:PIQA_JIT=1

断言

当面向对象的组件没有接收到预期类型的​​输入时，PIQA 使用类型断言来引发有意义的消息。这个特性简化了很多早期的原型设计和调试，但它可能会损害一些性能。

如果您需要绝对最佳的性能，可以使用 Python 标志禁用断言-O。例如，

python -O your_awesome_code_using_piqa.py

或者，您可以在代码中禁用 PIQA 的类型断言

from piqa.utils import set_debug
set_debug(False)