BBDM（Brownian Bridge Diffusion Models）学习笔记

1. Prompt

是否可以请您参考PyTorch的文档格式和文档风格，使用Markdown格式为
`model/BrownianBridge/base/modules/encoders/modules.py` 文件编写
一段相应的文档说明呢？

2. Config

2.1 LBBDM: Latent BBDM [readme]

2.2 Attributes

1.2.1 runner: str

指定使用的Runner类的名称。
Runner功能：

• 模型的构建与初始化
• 数据集的加载与预处理
• 优化器和学习率调度器的配置
• 训练／验证／测试／采样循环逻辑
• 日志记录与检查点保存

注册名称：@Registers.runners.register_with_name

可用的 Runner 包括：

• BBDMRunner：用于 Brownian Bridge Diffusion Model（BBDM）及 Latent BBDM

3. Function

3.1 calculate_psnr

calculate_psnr(img1, img2, border=0)

计算两张图像之间的峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）。

该函数遵循通用实现：对于彩色图像，会先将其从RGB转换到YCbCr色彩空间，然后仅在亮度（Y）通道上计算PSNR。对于灰度图像，则直接进行计算。

PSNR 的计算公式如下：
$$\text{PSNR}=20\cdot {\log }_{10}\left(\frac{{\text{MAX}}_I}{\sqrt{\text{MSE}}}\right)$$

其中 ${\text{MAX}}_I$是图像数据类型的最大值（在此函数中为 255），MSE 是两张图像之间的均方误差（Mean Squared Error）。

参数（Parameters）

• img1 (numpy.ndarray): 第一张输入图像。应为一个 H x W (灰度) 或 H x W x C (彩色) 的 NumPy 数组，数据类型为 uint8，数值范围在 [0, 255]。
• img2 (numpy.ndarray): 第二张输入图像。必须与 img1 具有相同的维度和数据类型。
• border (int, 可选): 在计算 PSNR 之前，从图像四周裁剪掉的像素宽度。默认值为 0，即不裁剪。

返回（Returns）

• float: 计算得到的 PSNR 值。如果两张图像完全相同（MSE为0），则返回 float('inf')。

异常（Raises）

• ValueError: 如果 img1 和 img2 的尺寸不完全相同。

3.2 calculate_ssim

calculate_ssim(img1, img2, border=0)

计算两张图像之间的结构相似性指数（Structural Similarity Index Measure, SSIM）。

与逐像素比较差异的 PSNR 不同，SSIM 是一种更先进的、更符合人类视觉感知系统的图像质量评估指标。它从三个维度综合比较两张图像的相似度：

• 亮度 (Luminance): 比较图像的平均亮度是否相似。
• 对比度 (Contrast): 比较图像的对比度（或标准差）是否相似。
• 结构 (Structure): 比较图像的结构信息（或协方差）是否相似。

对于彩色图像，该函数会先将其从RGB转换到YCbCr色彩空间，然后仅在亮度（Y）通道上计算 SSIM 值。

参数（Parameters）

• img1 (numpy.ndarray): 第一张输入图像（通常被视为“真实”或“参考”图像）。应为一个 H x W (灰度) 或 H x W x C (彩色) 的 NumPy 数组，数据类型为 uint8，数值范围在 [0, 255]。
• img2 (numpy.ndarray): 第二张输入图像（通常被视为“预测”或“失真”图像）。必须与 img1 具有相同的维度和数据类型。
• border (int, 可选): 在计算 SSIM 之前，从图像四周裁剪掉的像素宽度。这有助于忽略因卷积等操作产生的边缘效应。默认值为 0。

返回（Returns）

• float: 计算得到的 SSIM 值。这个值通常在 [0, 1] 的范围内。值越接近 1，表示两张图像越相似。如果两张图像完全相同，则返回 1.0。

2. model/BrownianBridge/base/modules/encoders/modules.py

此文件提供 BrownianBridge 模型中常用的编码器组件，包括抽象编码器基类、类别嵌入、基于 Transformer 的文本嵌入、BERT 分词器/嵌入器，以及SpatialRescaler等；

类概览

• AbstractEncoder – 编码器抽象基类
• ClassEmbedder – 类标签嵌入器
• TransformerEmbedder – 基于 Transformer 的嵌入器
• BERTTokenizer – 使用预训练 BERT 分词器
• BERTEmbedder – BERT + Transformer 嵌入器
• SpatialRescaler – 空间维度重缩放器