Fréchet počáteční vzdálenost
Fréchet Inception Distance (FID) je standardní metrika pro posuzování toho, jak realistická a rozmanitá je sada generovaných obrázků.
Přehled
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.
Hluboký ponor
FID, představený Heuselem a kol. v roce 2017 opravila klíčovou chybu v dřívějším Inception Score: nikdy neporovnávala generované obrázky se skutečnými reálnými daty. FID dodává skutečné i generované obrázky prostřednictvím předem připravené sítě Inception-v3 a čte 2048rozměrný vektor funkcí z hluboké sdružovací vrstvy pro každý obrázek. Poté modeluje každou sadu prvků jako mnohorozměrný Gaussian a shrnuje je pomocí středního vektoru a kovarianční matice. Vzdálenost mezi dvěma Gaussiany se počítá s Fréchetovou vzdáleností (také nazývanou 2-Wassersteinova vzdálenost). Nižší FID znamená, že průměr a šíření generované distribuce se těsně shodují se skutečnými obrázky, zachycují jak věrnost (vypadají jako skutečné?) a rozmanitost (pokrývají rozmanitost skutečných dat?).
Technický přehled
Vzorec FID je druhá mocnina rozdílu dvou středních vektorů plus stopa (součet kovariancí mínus dvojnásobek maticové druhé odmocniny jejich součinu). Protože využívá plnou kovarianci, FID penalizuje jak rozmazané, nerealistické výstupy, tak kolaps režimu, kdy model produkuje příliš malou rozmanitost. Je citlivý na velikost vzorku – příliš málo obrázků posunuje odhad směrem nahoru – takže odborníci jej obvykle počítají na desítky tisíc obrázků, často 50 000.
Strategický dopad
Rychlost a měřítko
Vizuální AI může automatizovat úkoly inspekce, detekce a označování ve velkém měřítku.
Volby sestavy
Kreativní týmy mohou prototypovat koncepty rychleji s menším počtem ručních revizí.
Tým a pracovní postup
Operace mohou využívat obrazové a video signály, které bylo dříve obtížné zpracovat.
Budoucnost Fréchet Inception Distance
FID zůstává výchozím nastavením pole, ale jeho slabinou jsou hnací alternativy. Výzkumníci prokázali, že zdědí zkreslení ImageNet z Inception-v3 a může nesouhlasit s lidským úsudkem, což vede k metrikám, jako je FID vypočítaný na funkcích CLIP (někdy nazývané FDD nebo CMMD), Kernel Inception Distance (KID) pro malé vzorky a metriky přesnosti/vybavení, které oddělují věrnost od rozmanitosti. Očekávejte bohatší, funkcemi agnostické a percepčně sladěné hodnocení, zvláště když generování textu na obrázek a generování videa přeroste jednočíselné souhrny.
Real-World Implementace
Benchmarking GAN, jako je StyleGAN, kde týmy hlásí FID na datových sadách, jako je FFHQ, aby porovnaly kvalitu generování obličejů.
Sledování průběhu tréninku modelu difúze pomocí výpočtu FID na kontrolních bodech, abyste viděli, kdy se kvalita obrazu přestane zlepšovat.
Porovnání konkurenčních modelů text-to-image na datovém souboru COCO, kde se jako důkaz realističtějších výstupů uvádí nižší FID.
Detekce kolapsu režimu v generátoru, protože kovarianční člen FID stoupá, když model vytváří příliš malou diverzitu obrazu.
Rizika a zábradlí
Obrazová práva a souhlas se mohou stát právním rizikem, pokud je původ nejasný.
Výkon modelu se může lišit podle osvětlení, demografických údajů a prostředí.
Falešně pozitivní mohou zůstat bez povšimnutí, pokud nejsou monitorovány prahové hodnoty spolehlivosti.
Plán implementace
Definujte kritéria přijatelnosti pro přesnost, stažení a náklady na chyby.
Testujte s daty, která odpovídají reálným výrobním podmínkám.
Přidejte lidskou kontrolu pro předpovědi s nízkou spolehlivostí nebo velkým dopadem.
Sledujte posun modelu a znovu ověřte po změnách kamery nebo datové sady.
Pokračujte v objevování
Free newsletter
Get the daily AI briefing
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.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Další průvodce
Funkce vzdálenosti se znaménkem
Často kladené otázky
What is Fréchet Inception Distance?
Fréchet Inception Distance (FID) je standardní metrika pro posuzování toho, jak realistická a rozmanitá je sada generovaných obrázků. Porovnává statistiky skutečných a generovaných obrázků v hlubokém prostoru – nižší skóre znamená, že padělky vypadají blíže skutečné věci.
Co znamená nižší skóre FID?
FID měří vzdálenost mezi skutečnými a generovanými distribucemi prvků, takže nižší hodnota znamená, že generovaná sada více odpovídá skutečným datům ve věrnosti a rozmanitosti.
Jakou předtrénovanou síť používá standardní FID k extrakci obrazových prvků?
FID prochází obrázky přes předem připravenou síť Inception-v3 a využívá své 2048rozměrné funkce sdružovací vrstvy pro skutečné i generované obrázky.
Jak FID shrnuje každou sadu obrazových funkcí před jejich porovnáním?
Každá sada prvků je modelována jako vícerozměrný Gaussian a FID počítá Fréchetovu (2-Wassersteinovu) vzdálenost mezi dvěma Gaussiany.
Jaký klíčový nedostatek Inception Score řešil FID?
Počáteční skóre vyhodnocovalo pouze generované obrázky izolovaně; FID se na něm vylepšil přímým porovnáním generovaného a reálného rozložení obrazu.
Proč FID stoupá, když generátor trpí kolapsem režimu?
FID využívá plnou kovarianci funkcí, takže když model produkuje příliš malou rozmanitost, jeho rozptyl se liší od skutečných dat, což zvyšuje skóre.