02 · Gepubliceerde referenties
Waar staan we tussen de andere methoden?
Twee eigen modellen, elk met hun werkelijke scores: de SH-start heeft onze hoogste PSNR, de dichte start onze laagste LPIPS. Kies één model als anker voor de verschillen. De online referenties zijn afzonderlijk gepubliceerde runs; verschillende protocollen en rekenbudgetten beperken de vergelijking.
↔ Scroll horizontaal voor alle methoden. De rijlabels blijven staan; onze twee modellen staan altijd vooraan.
Wat betekenen de verschillen?
De rij kwadratische pixelfout vertaalt het verschil in PSNR naar een foutverhouding: r = 10^(−(PSNR methode − PSNR anker) / 10). Bij r < 1 is de fout kleiner; bij r > 1 groter. +3 dB betekent ongeveer een halvering. Dit is een percentage verschil in fout, geen percentage beeldkwaliteit.
Omdat PSNR per foto wordt gemiddeld, betreft dit de verhouding tussen de geometrische gemiddelden van de MSE per foto. Het is geen gepoolde fout over alle pixels en foto's. De berekening gebruikt de ongeronde bronwaarden; alleen de weergave is afgerond.
Bij LPIPS-VGG staat onder de absolute score het getekende scoreverschil met het gekozen anker: een min is lager en dus beter op deze maat. Dit is geen perceptueel kwaliteitspercentage. SSIM toont alleen absolute scores met de implementatie: eigen metingen gebruiken scikit-image, de referenties TorchMetrics. Daarom krijgt SSIM geen gezamenlijke rangorde of beste-markering.
Een accent bij PSNR of LPIPS markeert alleen de beste gepubliceerde referentie op die maat. De vaste eigen kolommen zijn twee verschillende modellen. Historische metingen worden niet met deze nieuwere modellen gemengd.
En de commerciële pakketten?
We vergelijken de beschikbare bewijzen. Een product zonder passende score krijgt geen verzonnen positie.
03 · De meetlat uitgelegd
Drie manieren om naar hetzelfde beeld te kijken.
Geen van deze scores is een kwaliteitspercentage. Samen laten ze zien waar kleur, structuur en herkenbaar detail afwijken.
PSNR ↑Pixel voor pixel.
Peak Signal-to-Noise Ratio
Vergelijkt de kleuren van foto en render op elke pixel. De gemiddelde gekwadrateerde fout wordt uitgedrukt op een logaritmische schaal in decibel. Hoger is beter.
+3 dB komt voor één beeld ongeveer overeen met een halvering van die kwadratische fout. Het zegt niet dat een model “3% beter” is.
Hoe rekenen we?
Voor RGB-waarden tussen 0 en 1: PSNR = 10 · log₁₀(1 / MSE). We berekenen PSNR per testfoto en middelen daarna de 32 scores. Daarom geeft 10^(−ΔPSNR / 10) de verhouding tussen geometrische gemiddelden van de kwadratische pixelfout (MSE) per foto, niet de gepoolde fout over alle pixels. Een percentage in de matrix gaat uitsluitend over die fout. Camera, belichting en uitlijning beïnvloeden de uitkomst.
Vorm en contrast.
Structural Similarity Index Measure
Vergelijkt lokale helderheid, contrast en structuur. Zo telt ook mee of randen en patronen op elkaar lijken. Hoger is beter; identieke beelden scoren 1.
0,89 betekent niet “89% correct”. Venstergrootte, kleurbehandeling en implementatie kunnen het cijfer veranderen.
Hoe rekenen we?
Onze onafhankelijke scorer gebruikt scikit-image met RGB-kanalen, 8-bits beelden en een waardebereik van 255. De nvs-bench-referenties gebruiken TorchMetrics. Daarom behandelen we hun SSIM niet als exact dezelfde meetlat.
Wat het oog herkent.
Learned Perceptual Image Patch Similarity
Vergelijkt aangeleerde beeldkenmerken uit een neuraal netwerk. Dat helpt om verschillen in herkenbare vormen en textuur te beoordelen. Lager is beter.
0,1055 is op deze maat beter dan 0,1550. Het verschil is geen percentage en geen afstand in de echte wereld.
Hoe rekenen we?
We gebruiken LPIPS met het VGG-netwerk. AlexNet- en VGG-varianten zijn niet onderling uitwisselbaar. De score wordt per volledig testbeeld berekend en daarna gemiddeld. De matrix toont ook het verschil in score met één gekozen eigen model: een negatief verschil betekent een lagere LPIPS-score. Dat verschil is geen percentage perceptuele kwaliteit.
Een mooi beeld kan een onnauwkeurige vorm verbergen. Voor geometrie zijn afzonderlijke tests met controlepunten, afstanden en oppervlakken nodig.