Cuestionario vinculado a una guía · Medio Nivel

Prueba de distancia inicial de Fréchet

Revise la comparación gaussiana del espacio de características de FID y su sensibilidad del tamaño de muestra, además de alternativas para evaluar la fidelidad y diversidad de las imágenes generadas.

Rutas de guía relacionadasDistancia de inicio del padre Chet
Pregunta 1 de 8

¿Qué indica una puntuación FID más baja?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Qué indica una puntuación FID más baja?
    • Las estadísticas de las imágenes generadas se acercan más a las de las imágenes reales.
    • Las imágenes generadas son menos realistas.
    • El modelo entrenado para menos épocas.
    • Las imágenes tienen mayor resolución.
  2. ¿Qué red previamente entrenada utiliza el FID estándar para extraer características de la imagen?
    • ResNet-50
    • Inicio-v3
    • VGG-16
    • BERT
  3. ¿Cómo resume FID cada conjunto de características de la imagen antes de compararlas?
    • Como valor de píxel promedio único
    • Como una lista ordenada de nombres de archivos
    • Como gaussiano multivariado con un vector medio y una matriz de covarianza
    • Solo como histograma de canales de color.
  4. ¿Qué deficiencia clave del Inception Score abordó la FID?
    • La puntuación inicial fue demasiado lenta para calcularse
    • La puntuación inicial solo funcionó en texto
    • La puntuación inicial no requiere red neuronal
    • Inception Score nunca comparó las imágenes generadas con datos reales
  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