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.

Gerelateerde gidspadenFr Chet-beginafstand
Vraag 1 van 8

Wat betekent een lagere FID-score?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. 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
  2. Welk vooraf getrainde netwerk gebruikt de standaard FID om afbeeldingskenmerken te extraheren?
    • ResNet-50
    • Inception-v3
    • VGG-16
    • BERT
  3. 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
  4. 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
  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