مسافة فريشيه للاحتواء (FID)

مسافة فريشيه للاحتواء (FID) هي مقياس يُستخدم لتقييم جودة الصور التي تنتجها النماذج التوليدية، خاصة الشبكات التوليدية التنافسية (GANs). على عكس المقاييس السابقة مثل درجة الاحتواء (IS)، يقارن FID توزيع الصور المُولدة بتوزيع الصور الحقيقية، مما يوفر قياسًا أكثر شمولية لجودة وتنوع الصور.

تعريف مسافة فريشيه للاحتواء (FID)

الجمع بين مسافة فريشيه ونموذج الاحتواء

مصطلح “مسافة فريشيه للاحتواء” يجمع بين مفهومين رئيسيين:

1. مسافة فريشيه: قدمها موريس فريشيه عام 1906، وهي مقياس يحدد مدى التشابه بين منحنيين. يمكن تشبيهها بأقصر “حبل” مطلوب لربط كلب بمن يمشيه، كل منهما يسير في مسار مختلف. تُستخدم مسافة فريشيه في مجالات متنوعة مثل التعرف على الخط اليدوي، الروبوتات، وأنظمة المعلومات الجغرافية.

2. نموذج الاحتواء: طورته Google، ونموذج Inception-v3 هو بنية شبكة عصبية التفافية تقوم بتحويل الصور الخام إلى فضاء كامن حيث يتم تمثيل الخصائص الرياضية للصور. هذا النموذج مفيد بشكل خاص في تحليل الميزات على مستويات وأماكن متعددة داخل الصورة.

كيفية حساب FID

يتم حساب FID من خلال الخطوات التالية:

1. معالجة الصور مسبقًا: تغيير حجم الصور وتطبيعها لضمان التوافق.
2. استخلاص التمثيلات المميزة: استخدام نموذج Inception-v3 لتحويل الصور إلى متجهات رقمية تمثل ميزات مختلفة.
3. حساب الإحصاءات: حساب المتوسط ومصفوفة التغاير لميزات الصور الحقيقية والمُولدة.
4. حساب مسافة فريشيه: مقارنة المتوسطات ومصفوفات التغاير لحساب المسافة.
5. الحصول على FID: يتم الحصول على الدرجة النهائية لـ FID من خلال مقارنة مسافة فريشيه بين الصور الحقيقية والمُولدة. الدرجات الأقل تشير إلى تشابه أعلى.

هدف مسافة فريشيه للاحتواء (FID)

تقييم جودة وتنوع الصور

يُستخدم FID بشكل أساسي لتقييم الجودة البصرية وتنوع الصور المُولدة بواسطة شبكات GAN. ويخدم عدة أهداف:

• الواقعية: التأكد من أن الصور المُولدة تبدو كأنها حقيقية.
• التنوع: تقييم ما إذا كانت الصور المُولدة مختلفة بدرجة كافية عن بعضها البعض وعن بيانات التدريب.

التطبيقات

• تقييم النماذج: يُستخدم FID لمقارنة النماذج التوليدية المختلفة وتنوعاتها.
• ضبط الجودة: يساعد في التعرف على الصور غير الواقعية وتصفيتها، مثل تلك التي تحتوي على تشوهات تشريحية في الوجوه البشرية المُولدة.

FID مقابل درجة الاحتواء (IS)

السياق التاريخي

كانت درجة الاحتواء (IS) من أوائل المقاييس التي استُخدمت لتقييم GANs، وركزت على جودة الصورة الفردية وتنوعها. ومع ذلك، لديها بعض القيود مثل حساسيتها لحجم الصورة وعدم توافقها مع الحكم البشري.

مزايا FID

تم تقديم FID عام 2017 لمعالجة هذه القيود من خلال مقارنة الخصائص الإحصائية للصور المُولدة مع الصور الحقيقية. وأصبح المعيار الأساسي لتقييم GANs بفضل قدرته على التقاط التشابه بين الصور الحقيقية والمُولدة بشكل أكثر فعالية.

محدوديات FID

على الرغم من أن FID مقياس قوي وشائع الاستخدام، إلا أن له بعض القيود:

• تخصص المجال: يعمل FID جيدًا مع الصور، لكنه قد لا يكون فعالًا مع أنواع أخرى من النماذج التوليدية مثل تلك التي تنتج نصوصًا أو صوتًا.
• كثافة الحسابات: حساب FID يتطلب موارد حسابية كبيرة وقد يكون مكلفًا من حيث الوقت والطاقة.