FFmpeg中get_jaccarddist函数的Jaccard距离逻辑及相关疑问

1. 无交集时jaccarddist为0的逻辑问题 #

首先要明确：FFmpeg里的get_jaccarddist函数名有误导性，它没有实现标准Jaccard距离，实际计算的是两个BagOfWords的交集元素数量。

当两个BagOfWords无交集时，交集数量为0，此时jaccarddist >= sc->thworddist不成立，正好符合“坏配对”的判定逻辑——因为交集为0说明两组特征完全不匹配，自然要被过滤掉。标准Jaccard距离是1 - (交集/并集)，无交集时为1，但这里的实现是直接用交集计数作为匹配度指标，数值越高匹配度越高，逻辑是自洽的。

2. sc->thworddist的默认值 #

在FFmpeg源码的signature_init函数中，SignatureContext的thworddist默认值被设置为3。这个值是判定BagOfWords配对有效的最低交集数量阈值，只有当交集计数大于等于3时，才会被认为是可能的有效配对。

3. jaccarddist采用int类型的原因 #

因为这个函数计算的不是标准Jaccard距离（0-1区间的浮点数），而是交集元素的整数个数，用int类型完全足够，不需要浮点类型：

• 避免浮点运算的性能开销，符合FFmpeg追求高效音视频处理的设计方向；
• 整数比较比浮点数更精准，不会出现浮点精度误差导致的判断错误；
• 直接用交集计数作为匹配度指标，整数类型更贴合实际计算结果的属性。

内容的提问来源于stack exchange，提问作者stilloo