Fréchet ማስገቢያ የርቀት መመሪያ

አጠቃላይ እይታ

It compares the statistics of real and generated images in a deep feature space — lower scores mean the fakes look closer to the real thing.

ጥልቅ ዳይቭ

FID፣ በ Heusel et al. እ.ኤ.አ. በ 2017 በቀድሞው የመነሻ ነጥብ ላይ ቁልፍ ጉድለትን አስተካክሏል፡ የተፈጠሩ ምስሎችን ከእውነተኛ ውሂብ ጋር በጭራሽ አላነጻጽርም። FID ቀድሞ በሰለጠነ Inception-v3 አውታረመረብ በኩል ሁለቱንም እውነተኛ እና የተፈጠሩ ምስሎችን ይመገባል እና 2048-ልኬት ባህሪ ቬክተር ለእያንዳንዱ ምስል ጥልቅ የመዋኛ ንብርብር ያነባል። ከዚያም እያንዳንዱን የባህሪያት ስብስብ እንደ መልቲቫሪያት ጋውሲያን ይቀርጻል፣ በአማካኝ ቬክተር እና ተጓዳኝ ማትሪክስ ጠቅለል አድርጎ ያቀርባል። በሁለቱ Gaussians መካከል ያለው ርቀት በFréchet ርቀት (በተጨማሪም 2-Wasserstein ርቀት ተብሎ ይጠራል) ይሰላል። ዝቅተኛ FID ማለት የመነጨው የስርጭት አማካኝ እና ስርጭት ከእውነተኛ ምስሎች ጋር በቅርበት ይዛመዳል፣ ይህም ሁለቱንም ታማኝነት (እውነተኛ ይመስላሉ?) እና ልዩነትን (የተለያዩ የእውነተኛ መረጃዎችን ይሸፍናሉ?) ይይዛል።

ቴክኒካዊ ግንዛቤ

የFID ፎርሙላ የሁለቱ አማካኝ ቬክተር ስኩዌር ልዩነት እና የ (የእርምጃ ድምር ከምርታቸው ማትሪክስ ስኩዌር ስር በእጥፍ ሲቀነስ)። ሙሉ ቅንጅትን ስለሚጠቀም፣ FID ሁለቱንም ደብዛዛ፣ ከእውነታው የራቁ ውጤቶችን እና ሞዴሉን በጣም ትንሽ ልዩነት በሚያመጣበት ሁኔታ ያስቀጣል። ለናሙና መጠን ስሜታዊ ነው - በጣም ጥቂት ምስሎች ግምቱን ወደ ላይ የሚያዳላ ነው - ስለዚህ ባለሙያዎች በተለምዶ በአስር ሺዎች ከሚቆጠሩ ምስሎች በላይ ያሰሉታል፣ ብዙ ጊዜ 50,000።

ስልታዊ ተጽእኖ

ፍጥነት እና ልኬት

ቪዥዋል AI የመመርመሪያ፣ የማወቅ እና የመለያ ስራዎችን በሚዛን መጠን በራስ ሰር ሊያደርግ ይችላል።

ምርጫዎችን ይገንቡ

የፈጠራ ቡድኖች በጥቂት የእጅ ክለሳዎች ጽንሰ-ሀሳቦችን በፍጥነት መተየብ ይችላሉ።

ቡድን እና የስራ ፍሰት

ክዋኔዎች ከዚህ ቀደም ለማስኬድ አስቸጋሪ የነበሩትን የምስል እና የቪዲዮ ምልክቶችን መጠቀም ይችላሉ።

የፍሬሼት መግቢያ ርቀት የወደፊት ዕጣ

FID የሜዳው ነባሪ ሆኖ ይቆያል፣ነገር ግን ድክመቶቹ አማራጭ አማራጮች ናቸው። ተመራማሪዎች የImageNet አድሏዊነትን ከ Inception-v3 እንደወረሰ እና በሰው ፍርድ አለመስማማት እንደሚችል አሳይተዋል፣ይህም እንደ FID በ CLIP ባህሪያት ላይ የተሰላ ሜትሪክስ (አንዳንድ ጊዜ FDD ወይም CMMD ይባላል)፣ የከርነል ኢንሴክሽን ርቀት (KID) ለአነስተኛ ናሙናዎች እና ታማኝነትን ከብዝሃነት የሚለዩ ትክክለኝነት/አስታውስ። የበለጸገ፣ ባህሪ-የጀርባ አጥንት-አግኖስቲክ እና በማስተዋል የተጣጣመ ግምገማ፣ በተለይም ከጽሁፍ ወደ ምስል እና ቪዲዮ ማመንጨት ነጠላ-ቁጥር ማጠቃለያዎችን ሲጨምር ይጠብቁ።

የእውነተኛ-ዓለም አተገባበር

እንደ StyleGAN ያሉ Benchmarking GANs፣ ቡድኖች የፊት-ትውልድን ጥራት ለማነፃፀር እንደ FFHQ ባሉ የውሂብ ስብስቦች ላይ FID ሪፖርት ያደርጋሉ።

የምስል ጥራት መሻሻል ሲያቆም ለማየት FID በፍተሻ ቦታዎች ላይ በማስላት የስርጭት ሞዴልን የስልጠና ሂደት መከታተል።

ዝቅተኛ FID ለበለጠ ተጨባጭ ውጤቶች ማስረጃ በተጠቀሰበት በCOCO ዳታ ስብስብ ላይ ተወዳዳሪ የጽሑፍ-ወደ-ምስል ሞዴሎችን ማወዳደር።

ሞዴሉ በጣም ትንሽ የምስል ብዝሃነት በሚያመነጭበት ጊዜ የFID አብሮነት ቃል ስለሚነሳ በጄነሬተር ውስጥ ሞድ ውድቀትን ማወቅ።

አደጋዎች እና የጥበቃ መንገዶች

የምስል መብቶች እና ፈቃድ ግልጽ ካልሆነ ህጋዊ አደጋዎች ሊሆኑ ይችላሉ።

የሞዴል አፈጻጸም በብርሃን፣ በስነ-ሕዝብ እና በአካባቢው ሊለያይ ይችላል።

የመተማመን ገደቦች ካልተቆጣጠሩ የውሸት አወንታዊ ነገሮች ላይታዩ ይችላሉ።

የትግበራ ፍኖተ ካርታ

ለትክክለኛነት፣ ለማስታወስ እና ለስህተት ወጪዎች የመቀበያ መስፈርቶችን ይግለጹ።

ከእውነተኛ የምርት ሁኔታዎች ጋር በሚዛመድ ውሂብ ይሞክሩ።

ለዝቅተኛ እምነት ወይም ከፍተኛ ተጽዕኖ ትንበያ የሰው ግምገማን ያክሉ።

ከካሜራ ወይም የውሂብ ስብስብ ለውጦች በኋላ የሞዴሉን ተንሸራታች ይከታተሉ እና እንደገና ያረጋግጡ።

ማሰስዎን ይቀጥሉ

የኮምፒውተር እይታ

ምስላዊ AIን የሚያበረታቱ መሰረታዊ ስርዓቶችን ይረዱ።

መመሪያ ያንብቡ

AI ምስል ማመንጨት

የፍጥረት የስራ ፍሰቶችን እና የሞዴል ንግድን ያስሱ።

መመሪያ ያንብቡ

Free newsletter

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the Fréchet Inception Distance quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

ጥያቄ ጀምር

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

ቀጣይ መመሪያ

የተፈረመ የርቀት ተግባራት

ቀጣዩን መመሪያ ያንብቡ ሁሉንም ጥያቄዎች ያስሱ

በተደጋጋሚ የሚጠየቁ ጥያቄዎች

What is Fréchet Inception Distance?

የፍሬሼት ኢንሴክሽን ርቀት (FID) የመነጩ ምስሎች ስብስብ ምን ያህል ተጨባጭ እና የተለያዩ እንደሆኑ ለመገመት መደበኛ መለኪያ ነው። የእውነተኛ እና የመነጩ ምስሎችን በጥልቅ የባህሪ ቦታ ላይ ያነፃፅራል - ዝቅተኛ ውጤቶች ማለት ሐሰተኞች ወደ እውነተኛው ነገር ይቀርባሉ ማለት ነው።

ዝቅተኛ የFID ነጥብ ምን ያሳያል?

FID በእውነተኛ እና በተፈጠሩ የባህሪ ስርጭቶች መካከል ያለውን ርቀት ይለካል፣ ስለዚህ ዝቅተኛ እሴት ማለት የተፈጠረው ስብስብ በታማኝነት እና ልዩነት ውስጥ ካለው እውነተኛ ውሂብ ጋር በቅርበት ይዛመዳል።

መደበኛ FID የምስል ባህሪያትን ለማውጣት የትኛውን አስቀድሞ የሰለጠነ አውታረ መረብ ይጠቀማል?

FID ምስሎችን አስቀድሞ በሰለጠነ Inception-v3 አውታረመረብ በኩል ያስተላልፋል እና ባለ 2048-ልኬት ፑልንግ-ንብርብር ባህሪያቱን ለእውነተኛ እና ለተፈጠሩ ምስሎች ይጠቀማል።

FID እያንዳንዱን የምስል ገፅታዎች ከማነፃፀር በፊት እንዴት ያጠቃልለዋል?

እያንዳንዱ የባህሪ ስብስብ እንደ መልቲቫሪያት ጋውሲያን ተመስሏል፣ እና FID በሁለቱ Gaussians መካከል ያለውን የፍሬቼት (2-ዋሰርስቴይን) ርቀት ያሰላል።

FID ያነጋገረው የመግቢያ ነጥብ ምን ቁልፍ ጉድለት ነው?

የመግቢያ ነጥብ የተገመገሙት የተፈጠሩ ምስሎችን በተናጥል ብቻ ነው። የመነጩ እና እውነተኛ የምስል ስርጭቶችን በቀጥታ በማወዳደር FID በላዩ ላይ ተሻሽሏል።

ጄነሬተር በሞድ ውድቀት ሲሰቃይ FID ለምን ይነሳል?

FID ሙሉ የባህሪያትን ጥምረት ይጠቀማል፣ስለዚህ አንድ ሞዴል በጣም ትንሽ ልዩነት ሲያመነጭ ስርጭቱ ከእውነተኛ መረጃ ስለሚለያይ ውጤቱን ከፍ ያደርገዋል።