Gids-gekoppelde quiz · Middelmatig Niveau
Fréchet Beginafstandsquiz
Bekijk de Gaussiaanse vergelijking van de feature-space van FID en de gevoeligheid van de steekproefomvang, plus alternatieven voor het evalueren van de getrouwheid en diversiteit van gegenereerde beelden.
Vraag 1 van 8
Wat betekent een lagere FID-score?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Wat betekent een lagere FID-score?
- De statistieken van de gegenereerde afbeeldingen komen dichter in de buurt van die van echte afbeeldingen
- De gegenereerde afbeeldingen zijn minder realistisch
- Het model trainde voor minder tijdperken
- De afbeeldingen hebben een hogere resolutie
- Welk vooraf getrainde netwerk gebruikt de standaard FID om afbeeldingskenmerken te extraheren?
- ResNet-50
- Inception-v3
- VGG-16
- BERT
- Hoe vat FID elke reeks beeldkenmerken samen voordat ze worden vergeleken?
- Als een enkele gemiddelde pixelwaarde
- Als een gesorteerde lijst met bestandsnamen
- Als een multivariate Gaussiaans met een gemiddelde vector- en covariantiematrix
- Alleen als histogram van kleurkanalen
- Welke belangrijke tekortkoming van de Inception Score heeft FID aangepakt?
- De aanvangsscore was te traag om te berekenen
- Inception Score werkte alleen op tekst
- Inception Score vereist geen neuraal netwerk
- Inception Score heeft gegenereerde afbeeldingen nooit vergeleken met echte gegevens
- 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
- 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
- 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
- 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