지각 및 투명성 고려한 영상 유사도 측정
기존의 PSNR, SSIM과 같은 전체 참조 영상 품질 평가(IQA) 지표는 질감 및 형태 왜곡에 대한 인간의 지각 판단과 일치하지 않는다는 한계가 있습니다. LPIPS와 같은 딥러닝 기반 지각 지표는 이러한 격차를 크게 줄였지만, 특정 영상 영역에 점수를 귀속하기 어려운 불투명한 결과를 생성하여 인공지능 규제 요구사항에 부합하지 못합니다. 본 연구는 지각적 비유사성을 두 가지 해석 가능한 항으로 분해하는 화이트박스 전체 참조 IQA 지표인 EDOKS(Earth mover’s Distance and Oklab Similarity)를 제안합니다. 질감 항은 가버 필터 서명에 대한 Earth Mover’s Distance를 통해 계산되며, 색상 항은 Oklab 지각 색 공간에서 픽셀 단위 유클리드 거리로 계산됩니다. 전통적, CNN 생성, 기하학적 왜곡을 포함하는 Berkeley-Adobe Perceptual Patch Similarity 데이터셋에서 EDOKS는 모든 저수준 전체 참조 경쟁 지표를 능가했습니다. 인간 판단과의 상관관계로 측정된 JND 서브셋과 인간 선택과의 일치도로 측정된 2AFC 서브셋 모두에서 우수한 성능을 보였으며, 학습된 매개변수 없이 딥러닝 기반 지각 지표에 근접한 결과를 달성했습니다. EDOKS는 스칼라 점수 외에도 픽셀 수준의 히트맵을 생성하여 질감 및 색상 불일치를 독립적으로 국지화합니다. 이는 휘도 기반 지표로는 감지할 수 없는 오류 모드를 드러내고, 사용자에게 할당된 유사도 점수에 대한 검증 가능한 근거를 제공합니다.