Distance Fréchet Inception (FID)

La Distance Fréchet Inception (FID) est une métrique utilisée pour évaluer la qualité des images produites par des modèles génératifs, en particulier les réseaux antagonistes génératifs (GANs). Contrairement aux métriques précédentes telles que l’Inception Score (IS), le FID compare la distribution des images générées à celle des images réelles, offrant une mesure plus globale de la qualité et de la diversité des images.

Définition de la Distance Fréchet Inception (FID)

Combinaison de la distance de Fréchet et du modèle Inception

Le terme « Distance Fréchet Inception » combine deux concepts clés :

1. Distance de Fréchet : Introduite par Maurice Fréchet en 1906, cette métrique quantifie la similarité entre deux courbes. Elle peut être imaginée comme la longueur minimale d’une « laisse » nécessaire pour relier un chien et son maître, chacun suivant un chemin différent. La distance de Fréchet a des applications dans divers domaines tels que la reconnaissance d’écriture manuscrite, la robotique et les systèmes d’information géographique.

2. Modèle Inception : Développé par Google, le modèle Inception-v3 est une architecture de réseau de neurones convolutifs qui transforme les images brutes en un espace latent, où les propriétés mathématiques des images sont représentées. Ce modèle est particulièrement utile pour analyser les caractéristiques à différentes échelles et localisations dans une image.

Comment le FID est-il mesuré

Le FID est calculé selon les étapes suivantes :

1. Prétraitement des images : Redimensionner et normaliser les images pour assurer leur compatibilité.
2. Extraction des représentations de caractéristiques : Utiliser le modèle Inception-v3 pour convertir les images en vecteurs numériques représentant différentes caractéristiques.
3. Calcul des statistiques : Calculer la moyenne et la matrice de covariance pour les caractéristiques des images réelles et générées.
4. Calcul de la distance de Fréchet : Comparer les moyennes et les matrices de covariance pour calculer la distance.
5. Obtenir le FID : Le score FID final est obtenu en comparant la distance de Fréchet entre les images réelles et générées. Des scores plus faibles indiquent une similarité plus élevée.

Objectif de la Distance Fréchet Inception (FID)

Évaluation de la qualité et de la diversité des images

Le FID est principalement utilisé pour évaluer la qualité visuelle et la diversité des images générées par les GANs. Il remplit plusieurs fonctions :

• Réaliste : S’assurer que les images générées ressemblent à des images réelles.
• Diversité : Vérifier si les images générées sont suffisamment différentes entre elles et par rapport aux données d’entraînement.

Applications

• Évaluation des modèles : Le FID est utilisé pour comparer différents modèles génératifs et leurs variantes.
• Contrôle qualité : Aide à identifier et à filtrer les images irréalistes, telles que celles présentant des anomalies anatomiques dans les visages humains générés.

FID vs Inception Score (IS)

Contexte historique

L’Inception Score (IS) a été l’une des premières métriques introduites pour évaluer les GANs, en se concentrant sur la qualité individuelle des images et leur diversité. Cependant, il présente certaines limites, comme sa sensibilité à la taille des images et son manque d’alignement avec le jugement humain.

Avantages du FID

Introduit en 2017, le FID répond à ces limitations en comparant les propriétés statistiques des images générées à celles des images réelles. Il est devenu la métrique de référence pour l’évaluation des GANs en raison de sa capacité à capturer plus efficacement la similarité entre les images réelles et générées.

Limites du FID

Bien que le FID soit une métrique robuste et largement utilisée, il présente certaines limites :

• Spécificité au domaine : Le FID fonctionne bien pour les images mais peut être moins efficace pour d’autres types de modèles génératifs, comme ceux générant du texte ou de l’audio.
• Intensif en calcul : Le calcul du FID peut être gourmand en ressources et nécessite une puissance de calcul significative.