chaofengc/IQA-PyTorch

解決的問題

PyIQA 是一個圖像品質評估（IQA）的綜合工具箱，提供統一的方式來衡量圖像的「乾淨度」或高品質程度。它解決了品質指標實現分散的問題，這些指標過去通常以 MATLAB 寫成，運行速度較慢。透過在純 Python 與 PyTorch 中重新實作這些指標，本專案提供了 GPU 加速功能，並為全參考（FR）與無參考（NR）指標提供標準化介面。

如何運作

該工具箱提供一系列預先實作的指標（如 LPIPS、SSIM 和 FID）以及用於快速測試的命令列介面。使用者可透過 pyiqa.create_metric 建立指標，可用於簡單的分數推論，或作為訓練流程中的損失函數（透過 as_loss=True）。它也內建支援載入流行的 IQA 資料集，並提供在不同資料集上進行效能基準測試的指令碼。

適用對象

從事電腦視覺、影像復原與生成式 AI 的研究人員與開發者，需要客觀衡量影像品質、評估生成模型，或在模型訓練過程中將品質指標用作可微分的損失函數。

主要亮點

• GPU 加速：相比傳統的 MATLAB 實作顯著更快。
• 全面的指標圖鑑：支援多種全參考、無參考、美學及臉部專用的 IQA 指標。
• 可微分：許多指標可作為反向傳播的損失函數使用。
• 資料集整合：透過 Hugging Face 簡化流行 IQA 資料集的載入與下載。
• 可擴充：實驗性支援插件開發，用於新增自訂資料集、架構與指標。