フレシェ・インセプション・ディスタンス（FID）

フレシェ・インセプション・ディスタンス（FID）は、生成モデル、特に敵対的生成ネットワーク（GANs）によって生成された画像の品質を評価するために使用される指標です。従来のインセプションスコア（IS）などの指標と異なり、FIDは生成画像の分布と実画像の分布を比較することで、より包括的な画像品質と多様性の評価を可能にします。

フレシェ・インセプション・ディスタンス（FID）の定義

フレシェ距離とインセプションモデルの統合

「フレシェ・インセプション・ディスタンス」という名称は、以下2つの主要な概念を組み合わせたものです。

1. フレシェ距離：1906年にモーリス・フレシェによって提案されたこの指標は、2つの曲線間の類似度を定量化します。犬と飼い主がそれぞれ別々の道を歩く場合、2人をつなぐ最小限の「リードの長さ」として例えられます。フレシェ距離は手書き文字認識、ロボティクス、地理情報システムなど多様な分野で応用されています。

2. インセプションモデル：Googleが開発したInception-v3モデルは、画像を生データから潜在空間へと変換する畳み込みニューラルネットワークのアーキテクチャです。このモデルは、画像内の複数スケールや位置での特徴抽出に特に優れています。

FIDの測定方法

FIDは以下のステップで計算されます。

1. 画像の前処理：画像をリサイズ・正規化し、互換性を確保します。
2. 特徴表現の抽出：Inception-v3モデルで画像を数値ベクトルに変換し、各特徴を表現します。
3. 統計量の計算：実画像と生成画像の特徴ベクトルについて、平均と共分散行列を計算します。
4. フレシェ距離の算出：平均値と共分散行列を比較して距離を求めます。
5. FID値の取得：実画像と生成画像間のフレシェ距離を比較し、最終的なFIDスコアを得ます。スコアが低いほど、両者がより類似していることを示します。

フレシェ・インセプション・ディスタンス（FID）の目的

画像品質と多様性の評価

FIDは主に、GANsが生成する画像の視覚的品質と多様性を評価するために用いられます。主な目的は以下の通りです。

• リアリズム：生成画像が実画像のように見えるかどうかを評価します。
• 多様性：生成画像が互いに、またトレーニングデータと十分に異なるかどうかを評価します。

応用例

• モデル評価：異なる生成モデルやそのバリエーションを比較するためにFIDが利用されます。
• 品質管理：生成された人物の顔に見られるような解剖学的異常など、非現実的な画像を検出し除外するのに役立ちます。

FIDとインセプションスコア（IS）の比較

歴史的背景

インセプションスコア（IS）は、GANs評価のために最初に導入された指標の1つであり、主に個々の画像の品質と多様性に着目していました。しかし、画像サイズへの感度や人間の判断との乖離など、いくつかの限界がありました。

FIDの利点

2017年に登場したFIDは、生成画像と実画像の統計的性質を比較することで、これらの課題を克服しました。現代では、実画像と生成画像の類似度をより正確に捉えることができることから、GANs評価の標準指標となっています。

FIDの限界

FIDは堅牢で広く使われている指標ですが、制約もあります。

• ドメイン特異性：FIDは画像には有効ですが、テキストや音声など他の生成モデルには必ずしも適しません。
• 計算コストが高い：FIDの計算には多大な計算リソースが必要となり、処理負荷が高くなります。