企业官网建设流程全解析

1. 为什么“看起来不错”和“数值很高”经常是两回事

做图像处理的人，几乎都遇到过这种尴尬：一张经过超分模型修复的图，肉眼看着边缘干净、纹理自然，可PSNR值就是比不过另一张“糊成一团”的对比算法；反过来，某些加了重磨皮操作的图，PSNR高得惊人，但人脸像蜡像一样，谁看了都摇头。

这就是图像质量评估（Image Quality Assessment，IQA）里最经典的一对矛盾——机器指标和人眼感知之间的偏差。而在各种质量评估指标里，PSNR（峰值信噪比，Peak Signal-to-Noise Ratio）和SSIM（结构相似性，Structural Similarity Index）是绕不开的两个基石。它们一个从纯粹的数字差异出发，一个试图模仿人眼的结构感知方式，共同撑起了过去二十多年图像处理领域绝大多数论文的实验对比。

这篇内容我会把这两个指标的定义、数学公式、物理含义和实际使用中的坑都拆开讲清楚，并且延伸到当前生成模型、超分辨率任务里经常一起出现的FID和LPIPS，帮你建立一个完整的指标选型框架。不管你是刚入门的研究生，还是在工业界调模型的工程师，这篇文章应该都能给你一些可落地的参考。

2. PSNR：像素级误差的“老派”代言人

2.1 从基础定义到数学公式

PSNR的全称是Peak Signal-to-Noise Ratio，中文常翻译为峰值信噪比。名字听起来很唬人，但核心思想特别朴素：它假设两张图像之间的差异主要由“噪声”造成，然后计算“信号的最大可能功率”和“噪声的功率”之间的比值，再用对数坐标表示。

标准的PSNR公式长这样：

[ PSNR = 10 \cdot \log_{10} \left( \frac{MAX^2}{MSE} \right) ]

其中 ( MAX ) 是图像像素值的最大可能取值。对于8位灰度图像，这个值是255；对于浮点图像，通常取1.0或者255，取决于你的数据范围。( MSE ) 是均方误差（Mean Squared Error），它的公式是：

[ MSE = \frac{1}{M \cdot N} \sum_{i=0}^{M-1} \sum_{j=0}^{N-1} \left[ I(i,j) - K(i,j) \right]^2 ]

这里的 ( I ) 是原始参考图，( K ) 是待评估的重建图或压缩图，( M \times N ) 是图像尺寸。一句话概括：把两幅图逐个像素相减，求平方，再取平均。

彩色图像的处理方式略有不同。最常见的有两种做法：一是把RGB三个通道的MSE分别算出来再取平均；二是先把RGB转换到YUV或YCbCr色彩空间，只对亮度通道Y计算PSNR。因为人眼对亮度变化的敏感度远高于色度变化，所以后一种做法更贴近真实感知，但论文里两种都有人用。你在比较不同论文的数值时，最好先确认他们用的是哪种计算方式。

2.2 数值范围怎么解读

因为取了对数，PSNR的数值范围跨度很大。以8位灰度图像为例：

• 无穷大：两张图完全一样，MSE等于0
• 50 dB以上：图像质量极高，肉眼几乎无法区分差异
• 30～45 dB：常见的有损压缩、超分重建水平，放大细看可能有轻微伪影
• 20～30 dB：质量明显下降，能看出模糊或块状噪声
• 20 dB以下：严重失真，基本不可接受

经验法则上，JPEG压缩到质量因子75左右，PSNR大概在32～37 dB之间；质量因子降到20以下，PSNR会掉到28 dB以下，这时候图像里的块效应和振铃效应已经非常明显了。

2.3 为什么PSNR低不代表“不能看”

这是初学者最容易踩的坑。PSNR是逐像素计算的，它完全不知道“纹理”“边缘”“结构”这些概念。举个例子，你把一张清晰图像整体向右平移一个像素，肉眼看上去几乎没变化，但PSNR可能直接暴跌10 dB以上；反过来，你把原图做轻度高斯模糊，边缘细节损失不少，PSNR可能仍然有34 dB，看着也还行。

再比如，同样是毁掉图像，加高斯噪声和加椒盐噪声，前者在PSNR上反而可能比后者更“宽容”，但人眼对椒盐噪声的容忍度其实更低。这说明了一个本质问题：PSNR只衡量了像素值的统计差异，没有衡量差异的“类型”和“分布”。

所以我在实际工作中对PSNR的定位是：它是一个高效的“粗筛”指标，适合快速排除明显失败的结果，但不适合作为最终的质量标准。

3. SSIM：给人眼感知“建模”的结构相似性指标

3.1 局部窗口与三项比较的由来

SSIM的全称是Structural Similarity Index Measure，由德州大学奥斯汀分校的Zhou Wang等人在2004年提出。它的核心假设是：自然图像具有强烈的空间结构相关性，像素之间不是独立的，相邻区域的亮度、对比度和结构存在规律。评价图像质量，应该从局部区域的这些结构特征来比较，而不是一像素一像素地抠差异。

SSIM的计算不是在整张图上直接进行的，而是在局部窗口内滑窗计算。通常的做法是：用一个11×11的高斯加权窗口遍历整幅图像，在每个窗口内计算局部统计量，最后把所有窗口的结果取平均，得到全局SSIM。

单个窗口内，两张图的比较拆成三个部分——亮度（luminance）、对比度（contrast）和结构（structure）：

[ SSIM(x, y) = l(x, y) \cdot c(x, y) \cdot s(x, y) ]

• 亮度比较： [ l(x, y) = \frac{2\mu_x \mu_y + C_1}{\mu_x^2 + \mu_y^2 + C_1} ]
• 对比度比较： [ c(x, y) = \frac{2\sigma_x \sigma_y + C_2}{\sigma_x^2 + \sigma_y^2 + C_2} ]
• 结构比较： [ s(x, y) = \frac{\sigma_{xy} + C_3}{\sigma_x \sigma_y + C_3} ]

这里 ( \mu_x )、( \mu_y ) 是窗口内参考图和评估图的均值，( \sigma_x )、( \sigma_y ) 是标准差，( \sigma_{xy} ) 是协方差。( C_1 )、( C_2 )、( C_3 ) 是防止分母为零的小常数，通常取：

[ C_1 = (K_1 \cdot L)^2, \quad C_2 = (K_2 \cdot L)^2, \quad C_3 = C_2 / 2 ]

其中 ( L ) 是像素动态范围（8位图就是255），( K_1 = 0.01 )，( K_2 = 0.03 )。这些是论文里的默认推荐值，绝大多数开源库也都是这么实现的。

把三项乘在一起，传统的SSIM公式写为：

[ SSIM(x, y) = \frac{(2\mu_x \mu_y + C_1)(2\sigma_{xy} + C_2)}{(\mu_x^2 + \mu_y^2 + C_1)(\sigma_x^2 + \sigma_y^2 + C_2)} ]

注意这个形式是合并了亮度、对比度、结构三项之后的结果，实际代码里很多就是直接按这个完整公式算的。

3.2 SSIM的直观含义：好图像与参照图像要“长得像”

SSIM的取值范围是-1到1。取1表示两个窗口完全相同，取负值说明相关性反了（比如反色图）。实际应用中，SSIM能到0.98以上，基本可以认为肉眼很难分辨差异；0.95～0.98是高质量水平；0.9～0.95表明有可见失真但不影响整体观感；低于0.9就需要仔细检查了。

和PSNR对比，SSIM最大的进步在于：它把图像差异的检测提升到了“结构”层面。比如对图像做轻微亮度偏移，PSNR会明显下降，但SSIM因为亮度比较项的分式结构，对整体亮度偏移有一定容错性；对图像加白噪声，SSIM下降的幅度会小于PSNR的下降幅度，因为噪声的随机性对整个局部窗口的均值、方差影响相对有限。

但SSIM也远非完美。它对模糊的敏感性不够高，因为模糊会同时影响对比度和结构项，但这个影响在SSIM的数值上不一定反映得很剧烈。有一类专门的实验叫“最优SSIM欺骗”，通过优化算法可以在保持SSIM很高的同时，生成人眼明显不自然的图像。

3.3 MS-SSIM和多尺度扩展

为了提高SSIM对尺度失真的适应能力，作者后来又提出了MS-SSIM（Multi-Scale SSIM）。它的基本思路是：对图像做逐级下采样，在每个尺度上都计算对比度和结构比较，亮度比较只在最粗糙的尺度上计算，最后用加权乘积合并。

MS-SSIM在图像压缩、超分辨率任务的评估中，往往比单尺度SSIM更稳定，因为它能同时捕捉不同尺度下的失真。比如同一张图，模糊影响的是大尺度结构，噪声影响的是小尺度细节，单尺度SSIM可能顾此失彼，MS-SSIM在多个尺度上综合判断，鲁棒性更好。

我在实际使用中有一个体会：如果任务涉及多尺度特征，比如超分、去模糊，用MS-SSIM比用单尺度SSIM更可靠；但如果任务本身就是固定分辨率下的重建，比如JPEG解码后的质量评估，两者差别不大，单尺度SSIM的计算成本更低。

4. PSNR与SSIM的对比实测：它们分别在什么情况下“翻车”

4.1 两者的敏感性差异，我用一组典型失真来说明

我做了很多次实验，大概总结出下面这张表，可以对PSNR和SSIM在不同失真类型下的表现有个直观认识：

这张表最值得玩味的是第一行和倒数第二行。亮度偏移和全局平移在很多人看来都不算“破坏性失真”，但PSNR会给出非常严厉的惩罚。原因很简单：PSNR对空间位置和灰度偏移极其敏感，任何形式的整体性偏移都会导致MSE增大，而MSE是逐点计算的，完全不考虑空间结构。

SSIM对亮度偏移不敏感是因为亮度比较项做了归一化处理，整体亮度同时提高时，分子分母按比例增长，比值接近1。对平移不敏感是因为在局部窗口内，平滑区域的统计特征变化不大，只有边缘附近才会有明显差异。

4.2 “PSNR高、SSIM低”和“PSNR低、SSIM高”，分别说明什么

这两种情况的解读是面试里特别爱考的，也是论文review时我经常提醒作者注意的。

PSNR高但SSIM低，意味着两幅图的像素值差异很小，但空间结构相关性差。出现最多的场景是保留了大量高频噪声的图：噪声让像素值偏离参考图不多，但因为噪声破坏了局部邻域的结构一致性，SSIM的结构项和协方差项会受损。还有一种情况是图片发生了一个像素级的微小错位，前面提到的全局平移就是典型例子。

PSNR低但SSIM高，最常见的是整体亮度压缩或偏移。比如一张图的亮度整体乘以了0.9，像素值差异不小，但局部均值、对比度、结构关系都保持了，所以SSIM仍然很高。另外，图像经过轻度对比度增强，PSNR会下降但因为结构保持，SSIM依然接近1。

这两种偏差提醒我们：孤立看任何一个指标都有盲区。论文里同时报告PSNR和SSIM不是“形式主义”，更不是在凑字数，而是因为这两个指标确实在互补——一个捕捉像素级误差，一个捕捉结构级相似度。当两者趋势一致时，结论可信度高；当两者矛盾时，需要加做视觉对比实验。

4.3 一个被低估的问题：参考图本身的质量

PSNR和SSIM都是全参考指标（Full-Reference，FR），意思是需要一张“地面真值”参考图。但参考图的质量直接决定了指标的可靠性。

我做超分辨率评估的时候，经常遇到这种情况：数据集里所谓的高分辨率参考图，本身就是在网络上抓取后压缩过的，带有明显的压缩伪影。用这样的参考图去评估超分模型，指标的绝对值会失真，不同模型之间的相对排名也可能被扭曲。

所以在实际评估中，如果发现某个模型的PSNR、SSIM都遥遥领先，但主观视觉测试结果却平平，我的第一反应不是模型有问题，而是参考图出了问题。先检查参考图是否经过了非必要的后处理，再看数据集的生成链路是否健全，最后才去怀疑指标实现写错了。

5. 从PSNR/SSIM到FID和LPIPS：新一代评估指标为什么不可忽视

5.1 FID：从“单图对比”到“分布距离”

FID（Fréchet Inception Distance）最早由Martin Heusel等人在2017年的GAN论文中提出，目前是生成模型评估的事实标准之一。它的思路和PSNR、SSIM有本质区别：PSNR和SSIM是“一对一”的比较，FID则是“一组对一组”的分布距离度量。

FID的做法是：把真实图像集和生成图像集分别送入Inception-v3网络，取倒数第二层的2048维特征向量，然后假设这两组特征都服从高斯分布，计算它们之间的Fréchet距离。公式如下：

[ FID = |\mu_r - \mu_g|^2 + \mathrm{Tr}\left(C_r + C_g - 2(C_r C_g)^{1/2}\right) ]

其中 ( \mu_r, C_r ) 是真实图像特征的均值和协方差矩阵，( \mu_g, C_g ) 是生成图像特征的均值和协方差矩阵，( \mathrm{Tr} ) 表示矩阵的迹，( (\cdot)^{1/2} ) 是矩阵的平方根。

FID越低，说明两个特征分布越接近，生成图像的整体统计特性越逼近真实图像。FID和PSNR、SSIM最大的区别在于两点：一是它是基于深度特征的语义级度量，二是它衡量的是整体分布而不是逐张图的相似度。所以FID对“模式坍塌”这类整体性问题比PSNR和SSIM敏感得多。你生成100张图，如果其中80张长得一模一样，PSNR和SSIM可能看着还不错，但FID会明显变差。

5.2 LPIPS：用深度学习特征“拟合”人眼感知

LPIPS（Learned Perceptual Image Patch Similarity）由Richard Zhang等人在2018年提出。它的出发点是：无论是PSNR还是SSIM，都是人工设计的低层特征指标，而人眼的感知系统是非常复杂的，用手工特征去拟合必然会有天花板。LPIPS的思路是直接在深度网络的特征空间里学习一个距离度量。

具体做法是：把参考图和评估图分别送入一个预训练好的网络（常见的是AlexNet、VGG或SqueezeNet），在多个层的特征图上计算加权距离，权重通过人类标注数据训练得到。计算公式大致为：

[ LPIPS(x, x_0) = \sum_l \frac{1}{H_l W_l} \sum_h \sum_w | w_l \odot (y^l_{hw} - y^{l}_{0,hw}) |_2^2 ]

其中 ( y^l ) 和 ( y_0^l ) 是第 ( l ) 层的特征图，( w_l ) 是学习到的通道权重，( \odot ) 是逐元素相乘。

LPIPS的优势在于和人类感知的一致性非常高。很多在PSNR和SSIM上看起来“差异很小”的失真，在LPIPS上会有明显差距；反过来，一些PSNR很低但感知上可以接受的变换（比如全局对比度调整），LPIPS会给一个相对宽松的分数。

5.3 实际选型建议：不同任务用不同指标组合

我在实际项目里，一般按任务类型把指标分成三套组合：

特别要强调的是，FID不能直接替代PSNR和SSIM，三者度量的是完全不同层面的东西。FID看的是集合分布，PSNR和SSIM看的是单张图的一致性。你不能因为FID低就说“这个超分模型重建得更准确”，只能说明它的输出在整体分布上更接近真实图像集。

5.4 “指标对齐”是一件需要持续做的事

我见过很多团队内部是最容易出争论的：算法团队说PSNR涨了0.2就该上线，产品团队说用户反馈“画质变差了”，两边拿着不同的指标互相说服不了。这种矛盾的本质不是指标本身错了，而是没有建立一个统一的“指标-体验”对齐关系。

更合理的做法是：针对你的具体业务场景，找一批有代表性的样本，人工打分，再计算PSNR、SSIM、LPIPS等指标的相关性系数（Pearson相关系数或Spearman相关系数），确定哪一个指标或者哪几个指标的加权组合在你的数据上最能预测人的主观感受。这一步听起来麻烦，但它是避免“指标陷阱”最有效的手段。

我在做图像增强产品的时候，根据内部评测数据发现LPIPS对用户抱怨的“假纹理”现象最敏感，于是把线上的体验监控指标从PSNR切换成了LPIPS，效果立竿见影，线上投诉率下降了差不多三分之一。

6. 实操环节：在代码里正确使用PSNR和SSIM的关键细节

6.1 scikit-image等计算流程与数据范围处理

实际开发中，绝大多数人不会手写PSNR和SSIM，而是直接用第三方库。最常用的是scikit-image里的peak_signal_noise_ratio和structural_similarity函数，以及OpenCV和PyTorch的SSIM实现。下面是我常用的一个例子：

import numpy as np from skimage.metrics import peak_signal_noise_ratio, structural_similarity from skimage import img_as_float # 假设 ref 和 pred 都是 uint8 范围 [0, 255] 的 RGB 图像，shape 为 (H, W, 3) ref = ... pred = ... # 计算 PSNR，data_range 必须显式指定 psnr_value = peak_signal_noise_ratio(ref, pred, data_range=255) # 计算 SSIM，multichannel 参数用于处理彩色图像，win_size 默认为 7 ssim_value = structural_similarity( ref, pred, data_range=255, channel_axis=-1, win_size=7 )

这里有几个容易踩坑的细节，我一个个说。

首先是data_range参数。很多人不指定，默认值是ref和pred的最大值减最小值，也就是动态范围。如果你的两张图里恰好都没有纯白或纯黑像素，实际动态范围会小于255，那算出来的PSNR会偏高，而且偏向性不均。所以我强烈建议固定传入data_range=255（uint8图）或data_range=1.0（float图），保证跨实验可比。

其次是数据类型。如果你把uint8的图直接传给skimage的函数，内部会做转换，但如果你的pred是在模型里经过归一化和裁剪的float张量，取值范围可能不在[0,1]，这时候不显式处理会得到完全错误的结果。我的习惯是统一走img_as_float转换到浮点，再传入 [0,1] 范围的值。

最后是win_size的选择。SSIM的默认窗口大小在不同的库实现里不一样，skimage默认是7，原始论文实现是11。窗口大小影响局部统计量的平滑程度，窗口越大，对纹理密集区域的分辨越弱。我在超分任务里通常用11，在压缩伪影评估里用7，具体哪个好，需要结合你的图像分辨率和纹理特征来定，不能用一套参数打天下。

6.2 PyTorch环境下的SSIM实现和梯度传播

如果你需要把SSIM作为损失函数参与梯度反传，就不能直接调用skimage了，因为skimage的ssim实现不保证可微。PyTorch生态里比较常用的是pytorch_msssim库：

import torch from pytorch_msssim import SSIM, MS_SSIM # 输入张量范围需要是 [0, 1]，形状为 (N, C, H, W) ssim_loss = SSIM(data_range=1.0, size_average=True, channel=3) # 损失通常用 1 - SSIM，因为SSIM是相似度，越高越好 loss = 1 - ssim_loss(pred, ref)

用SSIM做损失函数有一个明显的优势：它对亮度和对比度的小偏移不敏感，因此不会像L1或L2损失那样把模型逼向“像素级复制”，生成的图像在结构上更自然。缺点是收敛速度慢，早期训练效果不如L2稳定。

我的经验是，在模型训练前半程用L1或L2损失做快速收敛，后半程切换成1 - SSIM损失做精细调整，这种两阶段策略在实际效果上比单一损失函数好不少。

6.3 批量评估时的统计方式和采样策略

做论文对比实验时，常见的问题不是“怎么算”，而是“算哪些图”。

首先，PSNR和SSIM都是逐图像计算的，最终报告的应该是整个测试集上所有图像的平均值。很多人容易犯的错误是：把整个测试集中所有图像拼接成一批再算平均PSNR，这样等于给大尺寸图像赋予了更多权重，如果测试集里不同图像分辨率差异较大，平均值会有偏。

其次，测试集不能太小。有些论文为了省时间，在28张图上跑完就报平均值，这个统计量几乎没有显著性。我一般的习惯是至少用100张以上有代表性的图像，如果条件允许，200～300张更稳妥。

第三，采样时要关注图像内容分布。如果测试集里大量是平坦的天空、墙面之类低纹理图像，PSNR和SSIM天然偏高，你的方法在纹理丰富图像上的劣势会被掩盖。比较好的做法是分开统计“高纹理”“低纹理”“边缘密集”等子集的指标，别只看一个总体均值。

6.4 统一口径与可复现性

最后这一点是我踩过坑之后养成的习惯：所有跑实验的脚本里，把指标计算的“口径”固定下来，包括数据范围、窗口大小、是否用高斯核、是否做多通道处理，全部写死，并在论文或项目文档里明示。否则你这次用的skimage 0.19，下次用的0.21，里面有些默认参数调整过，对比出来的微小数差会混淆你的判断。

我自己会写一个简单的配置类：

class IQAEvalConfig: data_range = 255 # or 1.0 channel_axis = -1 # or 0 for CHW format use_gaussian = True # SSIM用高斯加权窗口还是均匀窗口 win_size = 11 use_ssim_ms = False

然后整个实验流程都从配置读取参数，避免因为手滑改了某个参数导致结果不可复现。

7. 常见误区清单：那些自己踩过之后才长记性的坑

7.1 数值对比必须保证被测内容处于同一优化目标

这个误区真的太常见了。超分领域曾经很长一段时间大家都在刷PSNR，后来发现PSNR高不等于感知质量好，于是又转向GAN和感知损失。但如果你拿一个用PSNR训练的模型和一个用GAN训练的模型放在一起，只看PSNR排名，前者肯定占优；只看LPIPS排名，后者大概率领先。

这本身没有什么问题，问题是很多人在做方法对比时，没有在“同等训练目标”的前提下比较，直接拿不同训练设置下的结果来证明“我方法更好”，这在逻辑上是站不住脚的。正确的做法是在相同的损失函数、相同的训练数据、相同的迭代次数下对比，或者至少在论文里明确说明这种差异对结论的影响。

7.2 指标的“天花板效应”

当你的重建质量已经非常高时，PSNR和SSIM都会进入“饱和区”。比如SSIM到了0.99以上，不同方法之间的差距只有0.002～0.003，这个微小的差异往往是没有统计意义的。但很多论文照样会在这种微差上做文章，声称“更优”。

为了判断这种“显著更优”是不是真的，我建议做两件事：

一是做显著性检验。哪怕是最朴素的t检验或者Wilcoxon符号秩检验，也能帮你排除不少随机波动。

二是做主观评测作为佐证。挑一些差异最大的样本做成图，让几个人做盲选，看看他们能不能凭肉眼区分出方法A和方法B的结果。如果大家都分不出来，那数值上再好看也只是自娱自乐。

7.3 混淆“全参考”和“无参考”指标

PSNR和SSIM属于全参考指标，必须在有参考图的场景下才能用。而真实世界的图像增强、老照片修复、监控图像恢复等场景，往往没有对应的“干净”参考图，这时候全参考指标就失效了。

无参考指标（No-Reference）如BRISQUE、NIQE、PIQE，它们的评估不依赖参考图，而是从图像本身的统计特征推断质量。这类指标适合评价真实拍摄环境的图像，但波动更大，不同库之间的实现一致性也比较差。我遇到太多人把BRISQUE和PSNR放在一起对比，说“我方法的BRISQUE降了，所以质量更好”——这话本身没错，但前提是你要清楚BRISQUE和PSNR在度量维度上完全不可互换，更不能简单地说BRISQUE低就等于PSNR高。

8. 写在最后：如何在论文和项目里把指标用得更让人信服

指标只是工具，不是目的。这句话听起来像废话，但真正做研究、写论文、给产品做评测的人，太容易陷进“指标军备竞赛”里。我在不同阶段踩过的坑让我逐渐形成了一套自己的做法，这里分享几个比较实际的经验。

第一，报告指标时把“单张图的最佳”和“整体平均”分开来报。有些论文喜欢挑一张PSNR最高的图放在正文里，“代表性结果”看起来特别漂亮，但这不代表整体水平。如果测试集上90%的图像你的方法都更好，只有10%差很远，你应当直接把这个分布画出来，而不是让平均值替你说谎。

第二，不同指标之间的“矛盾”其实是有信息量的。我在QA评审里最喜欢问的一句就是“如果你这个方法的PSNR比Baseline低，但SSIM更高，那它到底赢在哪里？输在哪里？”如果作者答不清楚，说明他对自己的方法在哪里改进、哪里退步，并没有想透彻。写论文的时候，你也可以主动把这种矛盾分析写进去，反而比一味表忠心更让人信服。

第三，凡是牵扯到主观感知的任务，最终都需要人来看。机器指标可以帮你筛掉大量明显不合格的候选，但最终拍板是否上线、是否适合交付客户，一定要结合视觉对比和用户体验反馈。我见过一个极端案例：某个增强算法PSNR比旧版本高了1.2 dB，SSIM也高了0.01，但算法在特定光照条件下把人脸皮肤增强成了“塑料质感”。就是因为当时只信指标，没做视觉审查，结果线上被用户投诉了一整周。

回到PSNR和SSIM本身，我认为它们依然是图像处理领域最重要、最基础的两个指标。即使出现了FID、LPIPS这些更新、更贴合感知的度量工具，PSNR和SSIM因为计算简单、可复现性强、物理含义清晰，仍然有不可替代的位置。关键是你要知道它们各自在测什么、不测什么，在正确的场景下给出正确的解读。

如果你正准备在自己的项目里引入质量评估体系，我的建议是先小范围跑一批数据，把PSNR、SSIM、LPIPS、FID四个指标全部算出来，再结合人工打分做相关性分析，找到最适合自己业务场景的那个“主指标”。这套流程做完之后，你再碰到任何新的指标，都不会觉得纠结了，因为你知道它们各自的分工是什么，也知道该在什么时候信任它们、在什么时候存疑。