La similarité perceptuelle est un ensemble de données sur les jugements de similarité perceptuelle humaine. Cet ensemble de données évalue systématiquement les fonctionnalités profondes dans différentes architectures et tâches et constate que la similitude perceptuelle est une propriété émergente partagée par les représentations visuelles profondes. L'ensemble de données comprend :

• Apprentissage de la métrique de similarité des patchs d'images perceptuelles (LPIPS)
• Ensemble de données de similarité de patchs perceptifs Berkeley-Adobe (BAPPS) Données d'échantillon

Citation

@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}
}