视频质量常用指标
您可以轻松计算以下视频质量指标:
- FVD:Frechét视频距离
- SSIM:结构相似性指数
- LPIPS:学习的感知图像块相似度
- PSNR:峰值信噪比
关于FVD
- 代码库参考了MVCD和其他网站和项目,我只是提取了与计算相关的部分。这段代码可用于评估生成或预测模型的FVD分数。
- 现在我们支持2种基于PyTorch的FVD实现(videogpt和styleganv,参见问题#4)。它们的计算几乎相同,差异可以忽略不计。
- FVD计算两组视频之间的特征距离。(每个视频的I3D特征不经过softmax()函数,最后一个维度的大小是400,而不是1024)
此外...
- 本项目支持灰度和RGB视频。
- 本项目支持Ubuntu,但在Windows上可能存在一些问题。如果您能解决,欢迎提交PR。
- 如果项目无法正常运行,请提交issue或PR~
- 更多详细信息请参见下方注意事项。
示例
一批8个视频,每个10帧,3通道,64x64大小。
import torch
from calculate_fvd import calculate_fvd
from calculate_psnr import calculate_psnr
from calculate_ssim import calculate_ssim
from calculate_lpips import calculate_lpips
NUMBER_OF_VIDEOS = 8
VIDEO_LENGTH = 30
CHANNEL = 3
SIZE = 64
videos1 = torch.zeros(NUMBER_OF_VIDEOS, VIDEO_LENGTH, CHANNEL, SIZE, SIZE, requires_grad=False)
videos2 = torch.ones(NUMBER_OF_VIDEOS, VIDEO_LENGTH, CHANNEL, SIZE, SIZE, requires_grad=False)
device = torch.device("cuda")
device = torch.device("cpu")
import json
result = {}
result['fvd'] = calculate_fvd(videos1, videos2, device, method='styleganv')
# result['fvd'] = calculate_fvd(videos1, videos2, device, method='videogpt')
result['ssim'] = calculate_ssim(videos1, videos2)
result['psnr'] = calculate_psnr(videos1, videos2)
result['lpips'] = calculate_lpips(videos1, videos2, device)
print(json.dumps(result, indent=4))
这意味着我们计算:
FVD-frames[:10]
、FVD-frames[:11]
、...、FVD-frames[:30]
avg-PSNR/SSIM/LPIPS-frame[0]
、avg-PSNR/SSIM/LPIPS-frame[1]
、...、avg-PSNR/SSIM/LPIPS-frame[:30]
,以及它们的标准差。
我们无法计算FVD-frames[:8]
,在计算时会跳过,参见注意事项6。
结果显示:全零矩阵和全一矩阵的FVD-30(FVD[:30])为151.17(styleganv方法)。我们还计算了它们的标准差。其他指标也是如此。我们使用styleganv的计算方法。
{
"fvd": {
"value": {
"10": 570.07320378183,
"11": 486.1906542471159,
"12": 552.3373915075898,
"13": 146.6242330185728,
"14": 172.57268402948895,
"15": 133.88932632116126,
"16": 153.11023578170108,
"17": 357.56400892781204,
"18": 382.1335612721498,
"19": 306.7100176942531,
"20": 338.18221898178774,
"21": 77.95587603163293,
"22": 82.49997632357349,
"23": 64.41624523513073,
"24": 66.08097153313875,
"25": 314.4341061962642,
"26": 316.8616746151064,
"27": 288.884418528541,
"28": 287.8192683223724,
"29": 152.15076552354864,
"30": 151.16806952692093
},
"video_setting": [
8,
3,
30,
64,
64
],
"video_setting_name": "batch_size, channel, time, heigth, width"
},
"ssim": {
"value": {
"0": 9.999000099990664e-05,
"...": "...",
"29": 9.999000099990664e-05
},
"value_std": {
"0": 0.0,
"...": "...",
"29": 0.0
},
"video_setting": [
30,
3,
64,
64
],
"video_setting_name": "time, channel, heigth, width"
},
"psnr": {
"value": {
"0": 0.0,
"...": "...",
"29": 0.0
},
"value_std": {
"0": 0.0,
"...": "...",
"29": 0.0
},
"video_setting": [
30,
3,
64,
64
],
"video_setting_name": "time, channel, heigth, width"
},
"lpips": {
"value": {
"0": 0.8140146732330322,
"...": "...",
"29": 0.8140146732330322
},
"value_std": {
"0": 0.0,
"...": "...",
"29": 0.0
},
"video_setting": [
30,
3,
64,
64
],
"video_setting_name": "time, channel, heigth, width"
}
}
注意事项
- 首先需要运行
pip install lpips
。 - 确保视频的像素值在 [0, 1] 范围内。
- 如果下载FVD预训练模型时出现问题,您应该手动下载以下任一文件并将其放入FVD文件夹中。
- 对于灰度视频,我们将其复制到3个通道 如这里所说。
- 当图像有3个通道时,我们对SSIM取平均值,SSIM是唯一一个对灰度与黑白比较极为敏感的指标。
- 由于i3d模型在时间维度上进行了下采样,计算FVD时
frames_num
应该 > 10,因此FVD计算从第10帧开始,如上面的例子所示。 - 最好使用
scipy==1.7.3/1.9.3
,如果使用1.11.3,您将计算出错误的FVD值! - 如果您在多GPU机器上运行demo.py,请记得设置 export CUDA_VISIBLE_DEVICES=0,参见这里。