Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący odległości początkowej Frécheta

Zapoznaj się z porównaniem gaussowskim przestrzeni cech FID i jego czułością na wielkość próbki, a także alternatywnymi metodami oceny wierności i różnorodności wygenerowanego obrazu.

Powiązane ścieżki prowadząceOdległość początkowa Fr Chet
Pytanie 1 z 8

O czym świadczy niższy wynik FID?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. O czym świadczy niższy wynik FID?
    • Statystyki wygenerowanych obrazów są bliższe statystykom obrazów rzeczywistych
    • Wygenerowane obrazy są mniej realistyczne
    • Model szkolony przez mniejszą liczbę epok
    • Obrazy mają wyższą rozdzielczość
  2. Której wstępnie wyszkolonej sieci używa standardowy FID do wyodrębniania cech obrazu?
    • ResNet-50
    • Incepcja-v3
    • VGG-16
    • BERT
  3. W jaki sposób FID podsumowuje każdy zestaw cech obrazu przed ich porównaniem?
    • Jako pojedyncza średnia wartość piksela
    • Jako posortowana lista nazw plików
    • Jako wielowymiarowy Gaussian ze średnim wektorem i macierzą kowariancji
    • Tylko jako histogram kanałów kolorów
  4. Jakie kluczowe niedociągnięcia w punktacji początkowej rozwiązał FID?
    • Wynik początkowy był zbyt wolny, aby go obliczyć
    • Wynik początkowy działał tylko na tekście
    • Inception Score nie wymagał sieci neuronowej
    • Inception Score nigdy nie porównywał wygenerowanych obrazów z rzeczywistymi danymi
  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