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.

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.