Perceptual Similarity ist ein Datensatz über menschliche Wahrnehmungsähnlichkeitsurteile. Dieser Datensatz wertet systematisch tiefe Merkmale über verschiedene Architekturen und Aufgaben hinweg aus und kommt zu dem Ergebnis, dass Wahrnehmungsähnlichkeit eine emergente Eigenschaft ist, die tiefe visuelle Darstellungen gemeinsam haben. Der Datensatz umfasst:

• Lernen der Perceptual Image Patch Similarity Metric (LPIPS)
• Berkeley-Adobe Perceptual Patch Similarity Dataset (BAPPS) Beispieldaten

Zitat

@inproceedings{zhang2018perceptual,
title={The Unreasonable Effectiveness of Deep Features as a Perceptual Metric},
author={Zhang, Richard and Isola, Phillip and Efros, Alexei A and Shechtman, Eli and Wang, Oliver},
booktitle={CVPR},
year={2018}
}