Fréchet Inception Distance
Το Fréchet Inception Distance (FID) είναι η τυπική μέτρηση για να κρίνετε πόσο ρεαλιστικό και ποικίλο είναι ένα σύνολο εικόνων που δημιουργούνται.
Επισκόπηση
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.
Βαθιά κατάδυση
FID, που εισήχθη από τους Heusel et al. το 2017, διόρθωσε ένα βασικό ελάττωμα στο προηγούμενο Inception Score: δεν συνέκρινε ποτέ τις παραγόμενες εικόνες με πραγματικά πραγματικά δεδομένα. Το FID τροφοδοτεί τόσο πραγματικές όσο και δημιουργημένες εικόνες μέσω ενός προεκπαιδευμένου δικτύου Inception-v3 και διαβάζει ένα διάνυσμα χαρακτηριστικών 2048 διαστάσεων από ένα στρώμα βαθιάς συγκέντρωσης για κάθε εικόνα. Στη συνέχεια, μοντελοποιεί κάθε σύνολο χαρακτηριστικών ως πολυμεταβλητό Gaussian, συνοψίζοντας τα με ένα μέσο διάνυσμα και έναν πίνακα συνδιακύμανσης. Η απόσταση μεταξύ των δύο Gaussians υπολογίζεται με την απόσταση Fréchet (ονομάζεται επίσης απόσταση 2-Wasserstein). Ένα χαμηλότερο FID σημαίνει ότι ο μέσος όρος και η εξάπλωση της παραγόμενης διανομής ταιριάζουν στενά με πραγματικές εικόνες, αποτυπώνοντας ταυτόχρονα την πιστότητα (μοιάζουν αληθινές;) και την ποικιλομορφία (καλύπτουν την ποικιλία των πραγματικών δεδομένων;).
Τεχνική διορατικότητα
Ο τύπος FID είναι η τετραγωνική διαφορά των δύο μέσων διανυσμάτων συν το ίχνος του (άθροισμα των συνδιακυμάνσεων μείον το διπλάσιο της τετραγωνικής ρίζας του πίνακα του γινομένου τους). Επειδή χρησιμοποιεί πλήρη συνδιακύμανση, το FID τιμωρεί τόσο τις θολές, μη ρεαλιστικές εξόδους όσο και την κατάρρευση τρόπου λειτουργίας όπου ένα μοντέλο παράγει πολύ μικρή ποικιλία. Είναι ευαίσθητο στο μέγεθος του δείγματος - πολύ λίγες εικόνες προωθούν την εκτίμηση προς τα πάνω - έτσι οι επαγγελματίες συνήθως το υπολογίζουν σε δεκάδες χιλιάδες εικόνες, συχνά 50.000.
Στρατηγικός αντίκτυπος
Ταχύτητα και κλίμακα
Το Visual AI μπορεί να αυτοματοποιήσει εργασίες επιθεώρησης, ανίχνευσης και επισήμανσης σε κλίμακα.
Δημιουργήστε επιλογές
Οι δημιουργικές ομάδες μπορούν να δημιουργήσουν πρωτότυπες ιδέες γρηγορότερα με λιγότερες μη αυτόματες αναθεωρήσεις.
Ομάδα και ροή εργασίας
Οι λειτουργίες μπορούν να χρησιμοποιούν σήματα εικόνας και βίντεο που προηγουμένως ήταν δύσκολο να επεξεργαστούν.
The Future of Fréchet Inception Distance
Το FID παραμένει η προεπιλογή του πεδίου, αλλά οι αδυναμίες του οδηγούν εναλλακτικές λύσεις. Οι ερευνητές έχουν δείξει ότι κληρονομεί προκαταλήψεις ImageNet από το Inception-v3 και μπορεί να διαφωνήσει με την ανθρώπινη κρίση, προκαλώντας μετρήσεις όπως το FID που υπολογίζονται σε χαρακτηριστικά CLIP (μερικές φορές ονομάζονται FDD ή CMMD), η απόσταση έναρξης πυρήνα (KID) για μικρά δείγματα και μετρήσεις ακριβείας/ανάκλησης που διαχωρίζουν την πιστότητα από τα διαφορετικά. Αναμένετε πιο πλούσια, αγνωστική και αντιληπτικά ευθυγραμμισμένη αξιολόγηση, ειδικά καθώς η δημιουργία κειμένου σε εικόνα και βίντεο ξεπερνά τις περιλήψεις ενός αριθμού.
Υλοποίηση σε πραγματικό κόσμο
Συγκριτική αξιολόγηση GAN όπως το StyleGAN, όπου οι ομάδες αναφέρουν FID σε σύνολα δεδομένων όπως το FFHQ για να συγκρίνουν την ποιότητα της γενιάς προσώπου.
Παρακολούθηση προόδου εκπαίδευσης ενός μοντέλου διάχυσης με υπολογισμό του FID σε σημεία ελέγχου για να δείτε πότε η ποιότητα της εικόνας σταματά να βελτιώνεται.
Σύγκριση ανταγωνιστικών μοντέλων κειμένου σε εικόνα στο σύνολο δεδομένων COCO, όπου το χαμηλότερο FID αναφέρεται ως απόδειξη πιο ρεαλιστικών αποτελεσμάτων.
Ανίχνευση κατάρρευσης τρόπου λειτουργίας σε μια γεννήτρια, καθώς ο όρος συνδιακύμανσης του FID αυξάνεται όταν το μοντέλο παράγει πολύ μικρή ποικιλομορφία εικόνας.
Κίνδυνοι & προστατευτικά κιγκλιδώματα
Τα δικαιώματα εικόνας και η συναίνεση μπορεί να αποτελέσουν νομικούς κινδύνους εάν η προέλευση είναι ασαφής.
Η απόδοση του μοντέλου μπορεί να διαφέρει ανάλογα με το φωτισμό, τα δημογραφικά στοιχεία και τα περιβάλλοντα.
Τα ψευδώς θετικά μπορεί να περάσουν απαρατήρητα εκτός εάν παρακολουθούνται τα όρια εμπιστοσύνης.
Οδικός Χάρτης Εφαρμογής
Καθορίστε κριτήρια αποδοχής για το κόστος ακρίβειας, ανάκλησης και σφάλματος.
Δοκιμή με δεδομένα που ταιριάζουν με πραγματικές συνθήκες παραγωγής.
Προσθέστε ανθρώπινη κριτική για προβλέψεις χαμηλής εμπιστοσύνης ή υψηλού αντίκτυπου.
Παρακολουθήστε τη μετατόπιση του μοντέλου και επικυρώστε εκ νέου μετά από αλλαγές κάμερας ή δεδομένων.
Συνεχίστε την εξερεύνηση
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
Επόμενος οδηγός
Υπογεγραμμένες συναρτήσεις απόστασης
Συχνές ερωτήσεις
What is Fréchet Inception Distance?
Το Fréchet Inception Distance (FID) είναι η τυπική μέτρηση για να κρίνετε πόσο ρεαλιστικό και ποικίλο είναι ένα σύνολο εικόνων που δημιουργούνται. Συγκρίνει τα στατιστικά στοιχεία πραγματικών και δημιουργημένων εικόνων σε έναν βαθύ χώρο χαρακτηριστικών — οι χαμηλότερες βαθμολογίες σημαίνουν ότι τα ψεύτικα φαίνονται πιο κοντά στο πραγματικό πράγμα.
Τι σημαίνει χαμηλότερη βαθμολογία FID;
Το FID μετρά την απόσταση μεταξύ πραγματικών και παραγόμενων κατανομών χαρακτηριστικών, επομένως μια χαμηλότερη τιμή σημαίνει ότι το σύνολο που δημιουργείται ταιριάζει περισσότερο με πραγματικά δεδομένα ως προς την πιστότητα και την ποικιλομορφία.
Ποιο προεκπαιδευμένο δίκτυο χρησιμοποιεί το τυπικό FID για την εξαγωγή χαρακτηριστικών εικόνας;
Το FID διοχετεύει εικόνες μέσω ενός προεκπαιδευμένου δικτύου Inception-v3 και χρησιμοποιεί τις 2048-διάστατες δυνατότητες του επιπέδου συγκέντρωσης τόσο για πραγματικές όσο και για παραγόμενες εικόνες.
Πώς συνοψίζει το FID κάθε σύνολο χαρακτηριστικών εικόνας πριν τις συγκρίνει;
Κάθε σύνολο χαρακτηριστικών μοντελοποιείται ως πολυμεταβλητό Gaussian και το FID υπολογίζει την απόσταση Fréchet (2-Wasserstein) μεταξύ των δύο Gaussian.
Ποιο βασικό μειονέκτημα του Inception Score αντιμετώπισε το FID;
Το Inception Score αξιολόγησε μόνο τις δημιουργημένες εικόνες μεμονωμένα. Το FID το βελτίωσε συγκρίνοντας απευθείας τις παραγόμενες και πραγματικές διανομές εικόνας.
Γιατί το FID αυξάνεται όταν μια γεννήτρια υποφέρει από κατάρρευση λειτουργίας;
Το FID χρησιμοποιεί την πλήρη συνδιακύμανση των χαρακτηριστικών, επομένως, όταν ένα μοντέλο παράγει πολύ μικρή ποικιλία, η διάδοση του αποκλίνει από τα πραγματικά δεδομένα, ωθώντας τη βαθμολογία προς τα πάνω.