Distância de Incepção de Fréchet (FID)

A Distância de Incepção de Fréchet (FID) é uma métrica usada para avaliar a qualidade de imagens produzidas por modelos generativos, especialmente Redes Geradoras Adversariais (GANs). Diferente de métricas anteriores como o Inception Score (IS), o FID compara a distribuição das imagens geradas com a distribuição das imagens reais, fornecendo uma medida mais holística da qualidade e diversidade das imagens.

Definição de Distância de Incepção de Fréchet (FID)

Combinando Distância de Fréchet e Modelo Inception

O termo “Distância de Incepção de Fréchet” combina dois conceitos-chave:

1. Distância de Fréchet: Introduzida por Maurice Fréchet em 1906, essa métrica quantifica a similaridade entre duas curvas. Pode ser pensada como o comprimento mínimo de uma “coleira” necessária para conectar um cachorro e seu dono, cada um caminhando por caminhos separados. A Distância de Fréchet tem aplicações em diversas áreas como reconhecimento de escrita, robótica e sistemas de informações geográficas.

2. Modelo Inception: Desenvolvido pelo Google, o modelo Inception-v3 é uma arquitetura de rede neural convolucional que transforma imagens brutas em um espaço latente, onde as propriedades matemáticas das imagens são representadas. Esse modelo é especialmente útil para analisar características em múltiplas escalas e localizações dentro de uma imagem.

Como o FID é Medido

O FID é calculado seguindo os passos abaixo:

1. Pré-processar as Imagens: Redimensionar e normalizar as imagens para garantir a compatibilidade.
2. Extrair Representações de Características: Usar o modelo Inception-v3 para converter imagens em vetores numéricos representando diferentes características.
3. Calcular Estatísticas: Calcular a média e a matriz de covariância para as características tanto das imagens reais quanto das geradas.
4. Calcular a Distância de Fréchet: Comparar as médias e matrizes de covariância para calcular a distância.
5. Obter o FID: O valor final do FID é obtido ao comparar a Distância de Fréchet entre as imagens reais e as geradas. Pontuações mais baixas indicam maior similaridade.

Finalidade da Distância de Incepção de Fréchet (FID)

Avaliando Qualidade e Diversidade de Imagens

O FID é usado principalmente para avaliar a qualidade visual e a diversidade das imagens geradas por GANs. Ele serve para múltiplos propósitos:

• Realismo: Garante que as imagens geradas pareçam imagens reais.
• Diversidade: Avalia se as imagens geradas são suficientemente diferentes umas das outras e dos dados de treinamento.

Aplicações

• Avaliação de Modelos: O FID é utilizado para comparar diferentes modelos generativos e suas variações.
• Controle de Qualidade: Ajuda a identificar e filtrar imagens irreais, como aquelas com anomalias anatômicas em rostos humanos gerados.

Ready to grow your business?

Start your free trial today and see results within days.

Request demo Log in

FID vs. Inception Score (IS)

Contexto Histórico

O Inception Score (IS) foi uma das primeiras métricas introduzidas para avaliar GANs, com foco na qualidade e diversidade de imagens individualmente. Porém, possui algumas limitações, como sensibilidade ao tamanho da imagem e falta de alinhamento com o julgamento humano.

Vantagens do FID

Introduzido em 2017, o FID aborda essas limitações ao comparar as propriedades estatísticas das imagens geradas com as das imagens reais. Ele se tornou a métrica padrão para avaliação de GANs devido à sua capacidade de capturar de forma mais eficaz a similaridade entre imagens reais e geradas.

Limitações do FID

Embora o FID seja uma métrica robusta e amplamente utilizada, ele possui limitações:

• Especificidade de Domínio: O FID funciona bem para imagens, mas pode não ser tão eficaz para outros tipos de modelos generativos, como aqueles que geram texto ou áudio.
• Computacionalmente Intensivo: Calcular o FID pode ser custoso em termos de recursos, exigindo grande poder computacional.