Distância de início de Fréchet
Fréchet Inception Distance (FID) é a métrica padrão para avaliar o quão realista e variado é um conjunto de imagens geradas.
Visão geral
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.
Mergulho profundo
FID, introduzido por Heusel et al. em 2017, corrigiu uma falha importante no Inception Score anterior: ele nunca comparou imagens geradas com dados reais reais. O FID alimenta imagens reais e geradas por meio de uma rede Inception-v3 pré-treinada e lê um vetor de recursos de 2.048 dimensões de uma camada de pooling profundo para cada imagem. Em seguida, ele modela cada conjunto de características como uma Gaussiana multivariada, resumindo-as por um vetor médio e uma matriz de covariância. A distância entre os dois gaussianos é calculada com a distância de Fréchet (também chamada de distância 2-Wasserstein). Um FID mais baixo significa que a média e a dispersão da distribuição gerada se aproximam das imagens reais, capturando tanto a fidelidade (elas parecem reais?) quanto a diversidade (elas cobrem a variedade de dados reais?).
Visão Técnica
A fórmula FID é a diferença quadrada dos dois vetores médios mais o traço de (soma das covariâncias menos duas vezes a raiz quadrada da matriz de seu produto). Por usar covariância total, o FID penaliza resultados borrados e irrealistas e colapso de modo onde um modelo produz pouca variedade. É sensível ao tamanho da amostra – poucas imagens distorcem a estimativa para cima – por isso os profissionais normalmente calculam-na em dezenas de milhares de imagens, muitas vezes 50.000.
Impacto Estratégico
Velocidade e escala
A IA visual pode automatizar tarefas de inspeção, detecção e marcação em grande escala.
Escolhas de construção
As equipes criativas podem criar protótipos de conceitos mais rapidamente e com menos revisões manuais.
Equipe e fluxo de trabalho
As operações podem usar sinais de imagem e vídeo que antes eram difíceis de processar.
O futuro da distância inicial de Fréchet
O FID continua sendo o padrão da área, mas seus pontos fracos estão impulsionando alternativas. Os pesquisadores mostraram que ele herda os preconceitos do ImageNet do Inception-v3 e pode discordar do julgamento humano, gerando métricas como FID computado em recursos CLIP (às vezes chamado de FDD ou CMMD), distância de início do kernel (KID) para amostras pequenas e métricas de precisão/recall que separam a fidelidade da diversidade. Espere uma avaliação mais rica, independente de recursos e alinhada à percepção, especialmente à medida que a geração de texto para imagem e vídeo supera os resumos de número único.
Implementação no mundo real
Comparativo de GANs como StyleGAN, onde as equipes relatam FID em conjuntos de dados como FFHQ para comparar a qualidade da geração de rosto.
Acompanhar o progresso do treinamento de um modelo de difusão calculando o FID nos pontos de verificação para ver quando a qualidade da imagem para de melhorar.
Comparação de modelos concorrentes de texto para imagem no conjunto de dados COCO, onde o FID mais baixo é citado como evidência de resultados mais realistas.
Detectando o colapso do modo em um gerador, uma vez que o termo de covariância do FID aumenta quando o modelo produz pouca diversidade de imagens.
Riscos e guarda-corpos
Os direitos de imagem e o consentimento podem tornar-se riscos legais se a proveniência não for clara.
O desempenho do modelo pode variar dependendo da iluminação, dados demográficos e ambientes.
Os falsos positivos podem passar despercebidos, a menos que os limites de confiança sejam monitorados.
Roteiro de implementação
Defina critérios de aceitação para precisão, recall e custos de erro.
Teste com dados que correspondam às condições reais de produção.
Adicione revisão humana para previsões de baixa confiança ou de alto impacto.
Rastreie o desvio do modelo e revalide após alterações na câmera ou no conjunto de dados.
Continue explorando
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
Próximo guia
Funções de distância sinalizada
Perguntas frequentes
What is Fréchet Inception Distance?
Fréchet Inception Distance (FID) é a métrica padrão para avaliar o quão realista e variado é um conjunto de imagens geradas. Ele compara as estatísticas de imagens reais e geradas em um espaço profundo de recursos – pontuações mais baixas significam que as imagens falsas parecem mais próximas da imagem real.
O que indica uma pontuação FID mais baixa?
O FID mede a distância entre as distribuições de recursos reais e geradas, portanto, um valor mais baixo significa que o conjunto gerado corresponde mais aos dados reais em fidelidade e diversidade.
Qual rede pré-treinada o FID padrão usa para extrair recursos de imagem?
O FID passa imagens por meio de uma rede Inception-v3 pré-treinada e usa seus recursos de camada de pooling de 2.048 dimensões para imagens reais e geradas.
Como o FID resume cada conjunto de recursos de imagem antes de compará-los?
Cada conjunto de recursos é modelado como um Gaussiano multivariado, e o FID calcula a distância de Fréchet (2-Wasserstein) entre os dois Gaussianos.
Qual é a principal deficiência da pontuação inicial que o FID abordou?
O Inception Score avaliou apenas as imagens geradas isoladamente; O FID melhorou isso comparando diretamente as distribuições de imagens geradas e reais.
Por que o FID aumenta quando um gerador sofre colapso de modo?
O FID usa toda a covariância dos recursos, portanto, quando um modelo produz pouca variedade, seu spread diverge dos dados reais, aumentando a pontuação.