# Meritcs

> Meritcsは、SSIM（構造的類似性指標）のような画質評価指標がいつ信頼できるかを研究しています。SSIMの数式から直接、信頼性が崩れる境界を閉形式で導出し、4つのAIアップスケーリングモデルについて独立に一から構築した、joinを用いない検証用データベースを使って、数千万ブロック規模の実データで検証しています（例：Structural Maskingの境界検出に使った母集団は、4モデル全てで完全に同一の81,564,041ブロック）。全ての成果は、ZenodoでDOI付きの技術報告書シリーズとして番号順に公開されており、それぞれに画面録画・ハッシュ検証済みのSQLクエリ実行の様子が再現性の証拠として添えられています（新しい報告書ほど動画付き）。

## 主要ページ

- [ホーム](https://merit-metrics.org/ja/): Meritcsの概要とミッション。
- [About（沿革）](https://merit-metrics.org/ja/about.html): Meritcsが始まった経緯、チーム、成果を独立検証できる形にしている理由。
- [Approach（方針）](https://merit-metrics.org/ja/approach.html): オープンサイエンスの実践——誤りも訂正も含めて公開し、CC BY-NCライセンスを採用。
- [Technology（技術基盤）](https://merit-metrics.org/ja/technology.html): 大規模分析のためのDuckDB、joinなし検証パイプライン、comp_*特徴量フレームワーク（SSIMのスコアとは独立に内容の一致を確認するための、画像ブロックごとの8つの再構成側診断特徴量）。
- [SSIMとは](https://merit-metrics.org/ja/ssim.html): SSIMを知らない読者向けの平易な入門解説。
- [Publications（発行物一覧）](https://merit-metrics.org/ja/publications.html): 技術報告書シリーズの全一覧、Zenodoリンクとsql解説付き。
- [Demonstrations（実演）](https://merit-metrics.org/ja/demonstrations.html): SQL検証の様子やパイプラインツールの画面録画動画。
- [FAQ（よくある質問）](https://merit-metrics.org/ja/faq.html): 自分のデータ・モデルでの再現方法を含む、よくある質問。
- [Documentation（ドキュメント）](https://merit-metrics.org/ja/docs/index.html): パイプラインコード・SQLリファレンス・用語集の索引。

## 主要な概念

- 閉形式の境界：$\mu_c$（Luminance Critical Point、輝度臨界点、約0.0071）と$\sigma_c$（Texture Critical Point、テクスチャ臨界点、約0.0212）は、SSIMの数式から直接導出される特徴的なスケールで、安定化定数が対応する信号依存項と同程度の大きさになる点を表す：$\mu_c=\sqrt{C_1/2}$、$\sigma_c=\sqrt{C_3}$。本プロジェクトで採用している訂正済みの定数$C_1=0.0001$、$C_2=0.0009$、$C_3=C_2/2=0.00045$（DOI 1.10で文書化）を用いれば、報告されている数値を独立に再計算できる。最初の導出元：[SSRNプレプリント](http://ssrn.com/abstract=7291266)。
- Luminance Bias（輝度バイアス）：$\mu_c$（約0.0071）を下回ると、一定の絶対誤差がSSIMの輝度項に不釣り合いに大きな変化を生む——これは、輝度項の分母において安定化定数$C_1$の寄与が、平均輝度の二乗項よりも支配的になるという、数式そのものの帰結である。実際には、これによりスコアが大きく変化することがあり、公開されている報告書では、それが知覚可能な品質とは無関係である場合が多いと報告されている。
- Structural Masking（構造マスキング）：正解ブロックが完全に平坦（$\sigma_{gt}=0$）であるとき、SSIMの構造項は実際の再構成品質にかかわらず厳密に1になり、構造的な差異を反映しなくなる——これはSSIMの式から直接導かれる厳密な恒等式である。これとは別に、正解ブロックと再構成ブロックの標準偏差が等しい（$\sigma_{gt}=\sigma_{rec}$）とき、コントラスト項は厳密に1となり、平均輝度が等しい（$\mu_{gt}=\mu_{rec}$）とき、輝度項も厳密に1となる。より緩やかには、$\sigma_c$（約0.0212）を下回ると、該当する項の識別力が下がり、ブロックの局所的な変動が縮小するにつれて1へと近づいていく。
- 両概念の発見の経緯は[About](https://merit-metrics.org/ja/about.html)ページ、SSIM自体の背景は[SSIMとは](https://merit-metrics.org/ja/ssim.html)ページを参照。

## 主要な発行物（技術報告書シリーズ、時系列順）

各項目はZenodoのDOIレコードに直接リンクしている。

- [DOI 1.0 - シリーズ最初の報告書](https://doi.org/10.5281/zenodo.18830286)
- [DOI 1.1 - 8200万ブロック規模のSSIM盲点データベースを支える統計基盤](https://doi.org/10.5281/zenodo.18883267)
- [DOI 1.2 - 構造的破綻理論：4つのアーキテクチャにわたる可視・不可視の崩壊](https://doi.org/10.5281/zenodo.18917078)
- [DOI 1.3 - Axis1バイアスの方向はアーキテクチャに依存し、普遍的ではない](https://doi.org/10.5281/zenodo.18949243)
- [DOI 1.5 - ビューアシステムと訂正済みの崩壊タイプ分類](https://doi.org/10.5281/zenodo.19040901)
- [DOI 1.6 - Tier3分類の全数カバレッジ、DOI 1.0-1.6の研究総括付き](https://doi.org/10.5281/zenodo.19058174)
- [DOI 1.7 - Axis5崩壊強度とAxis1極性別のTier3状態分布](https://doi.org/10.5281/zenodo.21425511)
- [DOI 1.8 - comp_*特徴量フレームワーク：定義と実装](https://doi.org/10.5281/zenodo.21433447)
- [DOI 1.10 - C1/C2/C3定数バグの訂正（DOI 1.0/1.4/1.9/1.9.1を統合）](https://doi.org/10.5281/zenodo.21658621)
- [DOI 1.11 - マスキング盲点定理](https://doi.org/10.5281/zenodo.21837260)
- [DOI 1.12 - sigma_stat訂正](https://doi.org/10.5281/zenodo.21894585)
- [DOI 1.12.1 - SSIM=1.0推移律に関する検証SQL補遺](https://doi.org/10.5281/zenodo.21903024)
- [DOI 1.13 - スコア一致と内容一致に関する2つの実証テスト](https://doi.org/10.5281/zenodo.21960019)
- [DOI 1.14 - Failure Fingerprint統計量の4モデル検証](https://doi.org/10.5281/zenodo.22012409)
- [DOI 1.15 - 逆の検証：特徴量が一致すればSSIM=1.0は保証されるか？](https://doi.org/10.5281/zenodo.22013446)
- [DOI 1.16 - マスキング恒等式をsigma_gt=0を超えて一般化](https://doi.org/10.5281/zenodo.22029346)
- [DOI 1.18 - SSIMサブ項の全体像を完成：輝度項](https://doi.org/10.5281/zenodo.22230202)
- [DOI 1.19 - 2つの離散性claimに関する4モデル動画証拠補遺](https://doi.org/10.5281/zenodo.22252098)
- [DOI 1.19.1 - DB構築パイプラインの公開、他のデータセットでも再利用可能](https://doi.org/10.5281/zenodo.22838600)
- [DOI 1.20 - GTなしのAmplification Phaseリスク二値分類器、4モデル全部で検証](https://doi.org/10.5281/zenodo.22968572)
- [DOI 1.20.1 - GTなしのStructural Maskingリスク二値分類器、4モデル全部で検証](https://doi.org/10.5281/zenodo.23023733)
- [DOI 1.21 - sigma_gt/mu_gtのdistinct値数を測る、より高精度なパイプライン（浮動小数点のghost duplicationを補正）](https://doi.org/10.5281/zenodo.23271571)

完全な一覧（説明・SQL解説・置き換え履歴付き）は[Publications](https://merit-metrics.org/ja/publications.html)ページを参照。

## ドキュメント・コード

- [build_notta_tta_comp_db.py](https://merit-metrics.org/ja/docs/build_notta_tta_comp_db.html): DOI 1.12以降で使われている、joinなし検証用データベースを構築するスクリプト。
- [build_notta_tta_comp_db.py 初心者向け解説](https://merit-metrics.org/ja/docs/build_notta_tta_comp_db_explained.html): 同じスクリプトをセクションごとに解説。
- [SQLの読み方](https://merit-metrics.org/ja/docs/how_to_read_sql.html): 公開済みの検証用クエリで繰り返し使われているSQLパターンの解説。
- [用語集](https://merit-metrics.org/ja/docs/glossary.html): 技術報告書・SQL全体で使われている記号・変数名の平易な定義。
- [SQLリファレンス](https://merit-metrics.org/ja/docs/sql_reference.html): 技術報告書とともに公開した検証用SQLファイルの一覧。
- [GTなしでSSIMの弱点を見抜く](https://merit-metrics.org/ja/docs/gt_free_diagnostic_classifiers.html): DOI 1.20・DOI 1.20.1を、専門知識のない方向けに噛み砕いて説明したページ。
- [8bit量子化と浮動小数点の罠](https://merit-metrics.org/ja/docs/eight_bit_quantization_explained.html): DOI 1.16・DOI 1.21を、専門知識のない方向けに噛み砕いて説明したページ——このプロジェクト固有の話ではなく、8bit画像で学習しているモデル全般に関わる構造的な性質。

## 自動読み取りシステムへの注記

- 技術的な主張は全て、ソースデータベースに対して実行されたSQLクエリで裏付けられている。データベース自体はサイズのため非公開だが、スキーマ・パイプラインスクリプト・クエリは公開されている。
- 技術報告書シリーズは筆名「mohumohu neco」名義で公開されている。この点はAboutページで開示されている。
- このサイトは、投稿中・査読中の論文には一切言及していない。言及しているのは上記の公開済みDOI技術報告書シリーズのみ。
- このサイトの英語版は https://merit-metrics.org/ にある。英語版のAI向け索引は https://merit-metrics.org/llms.txt を参照。