Project Icon

common_metrics_on_video_quality

多指标视频质量评估工具包

这是一个开源项目,提供了计算FVD、SSIM、LPIPS和PSNR等多种视频质量评估指标的工具包。支持灰度和RGB视频格式,适用于生成模型和预测模型的视频质量评估。项目在Ubuntu系统上运行稳定,并提供了详细的使用说明和注意事项。研究人员和开发者可以利用此工具包进行便捷的视频质量分析。

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

  1. 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。
  2. 现在我们支持2种基于PyTorch的FVD实现videogptstyleganv,参见问题#4)。它们的计算几乎相同,差异可以忽略不计。
  3. 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

  1. 首先需要运行 pip install lpips
  2. 确保视频的像素值在 [0, 1] 范围内。
  3. 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。
    • 这里下载 i3d_torchscript.pt
    • 这里下载 i3d_pretrained_400.pt
  4. 对于灰度视频,我们将其复制到3个通道 如这里所说
  5. 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。
  6. 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。
  7. 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!
  8. 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

Star趋势

Star历史

Star History Chart

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号