評估指標

GAN 生成的圖好不好,人眼各說各話,所以需要兩把客觀的尺:FID 與 IS。

核心觀念

FID(Fréchet Inception Distance)把真實圖像與生成圖像分別送進 Inception 網路取特徵,再計算兩組特徵分布的距離 — 越低越好,是目前生成影像最通用的品質指標。IS(Inception Score)只看生成圖:單張圖的類別預測要「篤定」(品質),整批圖的類別要「分散」(多樣性),越高越好。

白話理解

評鑑仿冒名牌包。FID 是把正品與仿品兩批擺在一起,量整批「風格分布」差多遠 — 需要正品當參照;IS 只看仿品:每個包做工要到位(品質),整批款式要齊全(多樣性)— 不需要正品。

關鍵細節

• FID:比分布差異,需要真實影像當參照,越低越好
• IS:品質加多樣性,不需真實參照 — 盲點是圖再逼真、和目標資料無關也量不出來
• LPIPS:感知相似度,用深度特徵衡量兩張圖的視覺距離,常用來量生成多樣性
• 模式崩塌(Mode Collapse)發生時多樣性掉,這些指標就是抓病徵的儀表
• 共同限制:都仰賴 Inception 特徵,對醫學影像等非自然圖像未必準

🎯 口訣:FID 比分布、越低越好;IS 看品質加多樣、越高越好 — 一低一高,別記反。

iPAS 考點

最常考方向判斷:FID 是「距離」,低才好;IS 是「分數」,高才好 — 陷阱選項就是把兩者方向對調。第二考點:FID 需要真實資料當對照、IS 不用。題目給「衡量生成影像與真實影像的分布差異」→ 直接選 FID。