अवधारणात्मक हानि और एलपीआईपीएस

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

L2 (माध्य वर्ग त्रुटि) जैसे पारंपरिक नुकसान छवियों की तुलना पिक्सेल-दर-पिक्सेल करते हैं, इसलिए एक-पिक्सेल बदलाव या थोड़ी अलग बनावट एक बड़ी त्रुटि की तरह दिखती है, भले ही मनुष्य मुश्किल से नोटिस करते हैं। इसके बजाय अवधारणात्मक हानि दोनों छवियों को एक पूर्व-प्रशिक्षित नेटवर्क (अक्सर वीजीजी) के माध्यम से चलाती है और मध्यवर्ती परतों से सक्रियणों की तुलना करती है। चूँकि वे विशेषताएँ सटीक पिक्सेल मानों के बजाय किनारों, बनावट और वस्तु भागों को एनकोड करती हैं, इसलिए नुकसान मानवीय निर्णय के साथ बेहतर रूप से संरेखित होता है, जो तेज, शब्दार्थ रूप से वफादार आउटपुट को प्रोत्साहित करता है। एलपीआईपीएस (सीखा अवधारणात्मक छवि पैच समानता), झांग एट अल द्वारा पेश किया गया। 2018 में, इसे औपचारिक रूप दिया गया: यह गहरी विशेषताओं को निकालता है, उन्हें सामान्य बनाता है, और हजारों मानव समानता निर्णयों के विरुद्ध कैलिब्रेट किए गए सीखे गए वजन को लागू करता है, जिससे एकल दूरी स्कोर उत्पन्न होता है जहां कम का मतलब अधिक अवधारणात्मक रूप से समान होता है।