Translations:Diffusion Models Are Real-Time Game Engines/54/es
Calidad de imagen. Medimos LPIPS (Zhang et al., 2018) y PSNR utilizando la configuración de "teacher forcing" descrita en la sección 2, donde seleccionamos un estado inicial y predecimos un solo fotograma basado en una trayectoria de observaciones pasadas de referencia. Al evaluar sobre una muestra aleatoria de 2048 trayectorias tomadas en 5 niveles diferentes, nuestro modelo alcanza un PSNR de y un LPIPS de . El valor de PSNR es similar al de la compresión JPEG con pérdidas con ajustes de calidad de 20-30 (Petric & Milinkovic, 2018). La figura 5 muestra ejemplos de predicciones del modelo y las correspondientes muestras de referencia.
