深度图误差
1. MAE (Mean Absolute Error)
MAE=1N∑i∣dipred−digt∣\text{MAE} = \frac{1}{N}\sum_i |d_i^{pred} - d_i^{gt}|
表示预测深度和真实深度的平均绝对误差。
- 数值越小越好。
- 单位和深度本身一致（比如米）。
2. RMSE (Root Mean Square Error)
RMSE=1N∑i(dipred−digt)2\text{RMSE} = \sqrt{\frac{1}{N}\sum_i (d_i^{pred} - d_i^{gt})^2}
衡量误差的均方根，更关注大误差。
- 和 MAE 类似，但对大偏差更敏感。
3. AbsRel (Absolute Relative Error)
AbsRel=1N∑i∣dipred−digt∣digt\text{AbsRel} = \frac{1}{N}\sum_i \frac{|d_i^{pred} - d_i^{gt}|}{d_i^{gt}}
相对误差（相对于真实深度归一化）。
- 可以衡量预测偏离真实值的相对程度。
4. SqRel (Squared Relative Error)
SqRel=1N∑i(dipred−digt)2digt\text{SqRel} = \frac{1}{N}\sum_i \frac{(d_i^{pred} - d_i^{gt})^2}{d_i^{gt}}
平方相对误差，进一步放大大误差的影响。
5. δ-accuracy (delta1, delta2, delta3)
常见于深度估计论文：
δi=% of d s.t. max(dipreddigt,digtdipred)<1.25i\delta_i = % \text{ of } d \text{ s.t. } \max \left( \frac{d_i^{pred}}{d_i^{gt}}, \frac{d_i^{gt}}{d_i^{pred}} \right) < 1.25^i
- delta1: 比例 < 1.25
- delta2: 比例 < 1.25² ≈ 1.5625
- delta3: 比例 < 1.25³ ≈ 1.953
你的结果里 delta1=1.0，说明 100% 的像素预测都在 ±25% 误差以内，预测非常准。
6. si-RMSE (Scale-invariant RMSE)
这个指标常用于深度估计任务，因为单目预测往往 只到 scale。
公式大致是：
si-RMSE=1N∑i(logdipred−logdigt)2−1N2(∑i(logdipred−logdigt))2\text{si-RMSE} = \sqrt{\frac{1}{N}\sum_i (\log d_i^{pred} - \log d_i^{gt})^2 - \frac{1}{N^2}\left(\sum_i (\log d_i^{pred} - \log d_i^{gt})\right)^2 }
它在 log 空间比较深度，去掉了全局尺度影响，反映形状结构是否对齐。
7. n
样本数量（有效像素个数）。这里是 445 个有效像素参与计算。
✅ 总结：
- MAE / RMSE → 绝对误差（像素级的平均/均方根差）。
- AbsRel / SqRel → 相对误差，更关注深度比例。
- δ1 / δ2 / δ3 → 正确率，越接近 1 越好。
- si-RMSE → 去掉尺度的误差，适合单目深度估计。
- n → 有效点数。
要不要我帮你写一个 完整的深度评估函数，输入 pred_depth 和 gt_depth，一次性算出这些指标？
微信- 支付宝
