فقدان الإدراك الحسي و LPIPS

It matters because pixel-by-pixel comparison wrongly punishes tiny shifts and blurs detail, while perceptual loss rewards sharp, realistic results.

تقارن الخسائر التقليدية مثل L2 (متوسط ​​الخطأ التربيعي) الصور بكسل ببكسل، لذا فإن التحول بمقدار بكسل واحد أو نسيج مختلف قليلاً يبدو وكأنه خطأ فادح على الرغم من أن البشر بالكاد يلاحظون ذلك. بدلاً من ذلك، يقوم فقدان الإدراك بتشغيل كلتا الصورتين من خلال شبكة مدربة مسبقًا (غالبًا VGG) ويقارن عمليات التنشيط من الطبقات المتوسطة. نظرًا لأن هذه الميزات تقوم بتشفير الحواف والأنسجة وأجزاء الكائن بدلاً من قيم البكسل الدقيقة، فإن الخسارة تتوافق بشكل أفضل مع الحكم البشري، مما يشجع على الحصول على مخرجات واضحة ودقيقة لغويًا. LPIPS (تشابه تصحيح الصور الإدراكية المكتسبة)، قدمه Zhang et al. في عام 2018، يضفي الطابع الرسمي على هذا: فهو يستخرج الميزات العميقة، ويطبيعها، ويطبق الأوزان المكتسبة التي تمت معايرتها مقابل الآلاف من أحكام التشابه البشرية، مما ينتج عنه درجة مسافة واحدة حيث يعني الرقم الأقل تشابهًا أكثر إدراكيًا.