MS-SSIM

MS-SSIM – Multi-Scale Structural Similarity Index – улучшенная версия SSIM, измеряющая перцептивное качество на нескольких уровнях масштаба одновременно. Где SSIM сравнивает два изображения на одном разрешении, MS-SSIM даунсэмплит и source, и сжатую версии до нескольких меньших разрешений, прогоняет SSIM на каждом уровне и комбинирует результаты в одну оценку. Мотивация в том, что человеческое восприятие искажений варьируется в зависимости от размера затронутого объекта – мы заметим размытое лицо легче, чем размытую травинку, – и multi-scale-измерение это улавливает лучше, чем single-scale.

Диапазон оценок тот же, что у SSIM: от 0 до 1, где 1.0 означает идентичность. Всё выше 0.97 на натуральном контенте выглядит практически безупречно; 0.93–0.97 – хорошее стриминговое качество; ниже 0.90 уже видны проблемы. MS-SSIM стабильно коррелирует с человеческими оценками лучше, чем обычный SSIM, особенно на энкодах с разными типами артефактов – denoising-потери, motion blur, потеря тонкой текстуры – потому что multi-scale-дизайн естественно взвешивает каждую категорию подходящим образом. Trade-off – вычислительная стоимость: MS-SSIM в несколько раз медленнее SSIM, хотя всё ещё достаточно быстрый, чтобы гонять на каждом кадре в production-пайплайне.

Для продуктовой команды MS-SSIM – метрика, которую стоит выбрать, когда SSIM недостаточно чувствителен, а VMAF – overkill или недоступен. На практике типичный encoding-пайплайн репортит PSNR (быстрая sanity-проверка), SSIM или MS-SSIM (повседневное сравнение) и VMAF (финальное авторитетное измерение качества). Когда читаете кодек-research-статьи, MS-SSIM – самая часто цитируемая объективная метрика после PSNR, потому что она стандартизирована, хорошо понятна и предшествует VMAF – а это значит, что исторические сравнения через десятилетия поколений кодеков обычно делаются в MS-SSIM. FFmpeg считает и SSIM, и MS-SSIM через фильтры `ssim` и `ssim_stats`.