Насколько я понимаю, как правило, в вычислительной фотографии, чтобы оценить выходные данные алгоритма, такого как размытие или удаление шума, вы берете эталонное изображение, получаете необработанное входное изображение, добавляя размытие (свертывание с ядром размытия) или добавление шума (гауссовский,соль и перец и т. д.), чтобы ухудшить изображение.Затем вы применяете алгоритм и получаете восстановленное / улучшенное изображение.Цель состоит в том, чтобы получить восстановленную информацию как можно ближе к эталону, эффективно устраняя ухудшение качества.
Таким образом, я бы сказал, что приемлемый диапазон для любой меры точности (например, RMSE, PSNR и т. Д.)имеет смысл только по отношению к степени первоначальной деградации.Скорее всего, вы должны сказать, что RMSE между улучшенной и эталонной составляет 1/4 от RMSE между необработанной и эталонной и т. Д.
Чтобы узнать, что представляет собой хорошую производительность, посмотрите тип алгоритма ICCV / CVPR / SIGGRAPH последних лет.что вы заинтересованы. Вы увидите таблицы с эффектом того, что я описал в предыдущем абзаце.В конечном счете, эти меры часто не так убедительны, как демонстрация изображений и использование старого доброго глазного яблока Mk I для определения различий.