Mit dem Guide verknüpftes Quiz · Mittel Ebene

Fréchet Inception Distance Quiz

Sehen Sie sich den Feature-Space-Gauß-Vergleich von FID und seine Stichprobengrößensensitivität sowie Alternativen zur Bewertung der Genauigkeit und Diversität generierter Bilder an.

Verwandte FührungspfadeFr. Chet Inception Distance
Frage 1 von 8

Was bedeutet ein niedrigerer FID-Wert?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Was bedeutet ein niedrigerer FID-Wert?
    • Die Statistiken der generierten Bilder ähneln denen realer Bilder
    • Die erzeugten Bilder sind weniger realistisch
    • Das Modell wurde für weniger Epochen trainiert
    • Die Bilder haben eine höhere Auflösung
  2. Welches vorab trainierte Netzwerk verwendet Standard-FID zum Extrahieren von Bildmerkmalen?
    • ResNet-50
    • Inception-v3
    • VGG-16
    • BERT
  3. Wie fasst FID jeden Satz von Bildmerkmalen zusammen, bevor er sie vergleicht?
    • Als einzelner durchschnittlicher Pixelwert
    • Als sortierte Liste von Dateinamen
    • Als multivariate Gaußsche Funktion mit Mittelwertvektor und Kovarianzmatrix
    • Nur als Histogramm der Farbkanäle
  4. Welchen Hauptmangel des Inception Score hat FID behoben?
    • Der Inception Score war zu langsam für die Berechnung
    • Inception Score funktionierte nur bei Text
    • Für den Inception Score ist kein neuronales Netzwerk erforderlich
    • Inception Score hat generierte Bilder nie mit echten Daten verglichen
  5. When a generator produces less varied Inception features than the real images, how can that affect FID?
    • A covariance mismatch can contribute to a higher FID
    • FID must become zero
    • FID ignores feature diversity
    • FID automatically identifies the exact cause of the collapse
  6. In the Diffusion Models Beat GANs comparison, how was FID evaluated for ImageNet?
    • With 500 generated samples
    • With 50,000 generated samples
    • With 5,000 generated samples
    • With 5 million generated samples
  7. Why can a small evaluation set make an FID estimate unreliable?
    • FID requires every image to have a human label
    • The Inception network stops extracting features on small sets
    • Finite-sample bias can distort the estimated distance between feature distributions
    • Small sets force all covariance values to zero
  8. What does Kernel Inception Distance (KID) offer as an alternative in the guide?
    • A method for training the Inception-v3 network
    • A way to generate image captions
    • A measure of video frame rate
    • A metric used for evaluation when sample counts are smaller