PSNR, SSIM에 대해 간략히 알아보기

Super-Resolution을 공부하다보니 PSNR과 SSIM에 대한 이야기가 나와 이를 간단히 정리하고자 만들었다.

MSE

estimated value 예측값 과 알지 못하는 parameter 간 차이를 제곱 합 평균을 낸 것으로 ML:Regression이나 DNN에서 많이 사용하는 loss function이다. 이미지들 간의 비교에서는 pixel-wise로 비교한다.

많은 iteration을 통해 를 에 가깝게 만드는 것을 목적으로 사용된다.

https://en.wikipedia.org/wiki/Mean_squared_error

https://wikidocs.net/34063

PSNR

영상이나 동영상 손실로 인하여 화질 손실 정보를 평가할 때 사용한다. 이를 MSE를 이용하여 계산할 수 있으니 MSE를 사용할 때 기준으로 많이 사용된다. 단위는 dB이고 당연한 이야기겠지만 MSE가 적을수록 PSNR이 높다.

다시 이야기하면 MSE가 작다는 것은 원본과 매우 가깝다 혹은 원본으로 판독될 정도이다라고 해석하면되고 이 의미가 결과적으로 PSNR이 높다라고 해석할 수 있다.

https://en.wikipedia.org/wiki/Peak_signal-to-noise_ratio

그러나 유의해야하는 것이 MSE는 high texture details에 대한 손실을 복원하기 어렵기 때문에 MSE가 작아 PSNR이 높다는 것이 꼭 매우 고해상도를 의미하지는 않는다.

자세한 Computer Vision Restoration 분야에 대해 추천하는 논문은 SRGAN이다.

https://arxiv.org/pdf/1609.04802.pdf

https://ko.wikipedia.org/wiki/%EC%B5%9C%EB%8C%80_%EC%8B%A0%ED%98%B8_%EB%8C%80_%EC%9E%A1%EC%9D%8C%EB%B9%84

SSIM

이미지 품질 평가를 하기 위해 사용하는 방법으로 시각적 화질 차이 및 유사도를 평가하기 위해 고안되었다. 이를 비교하기 위해서 이미지의 Luminance(l), Contrast(c), Structure(s)를 비교하는데 그에 대한 결과를 아래 식으로 나타낼 수 있다.

https://en.wikipedia.org/wiki/Structural_similarity