Fréchet inception-avstånd (FID)

Fréchet Inception-avstånd (FID) är ett mått som används för att utvärdera kvaliteten på bilder som genereras av generativa modeller, särskilt Generative Adversarial Networks (GANs). Till skillnad från tidigare mått som Inception Score (IS), jämför FID fördelningen av genererade bilder med fördelningen av riktiga bilder, vilket ger ett mer heltäckande mått på bildkvalitet och variation.

Definition av Fréchet Inception-avstånd (FID)

Kombinationen av Fréchet-avstånd och Inception-modell

Begreppet ”Fréchet Inception-avstånd” kombinerar två viktiga koncept:

1. Fréchet-avstånd: Introducerades av Maurice Fréchet år 1906 och kvantifierar likheten mellan två kurvor. Det kan liknas vid den minsta ”koppel-längd” som krävs för att koppla samman en hund och dess ägare när de går längs separata stigar. Fréchet-avstånd har tillämpningar inom flera områden, såsom handskriftsigenkänning, robotik och geografiska informationssystem.

2. Inception-modell: Utvecklad av Google, är Inception-v3-modellen en konvolutionell neuronnätsarkitektur som omvandlar råa bilder till ett latent utrymme där bildernas matematiska egenskaper representeras. Denna modell är särskilt användbar för att analysera egenskaper på flera skalanivåer och platser inom en bild.

Hur FID mäts

FID beräknas genom följande steg:

1. Förbehandla bilderna: Ändra storlek och normalisera bilderna för att säkerställa kompatibilitet.
2. Extrahera egenskapsrepresentationer: Använd Inception-v3-modellen för att omvandla bilder till numeriska vektorer som representerar olika egenskaper.
3. Beräkna statistik: Räkna ut medelvärde och kovariansmatris för egenskaperna hos både riktiga och genererade bilder.
4. Beräkna Fréchet-avståndet: Jämför medelvärdena och kovariansmatriserna för att räkna ut avståndet.
5. Få FID-värdet: Det slutliga FID-värdet fås genom att jämföra Fréchet-avståndet mellan de riktiga och genererade bilderna. Lägre värden indikerar högre likhet.

Syfte med Fréchet Inception-avstånd (FID)

Bedömning av bildkvalitet och variation

FID används främst för att bedöma den visuella kvaliteten och variationen hos bilder som genereras av GANs. Det fyller flera syften:

• Realism: Säkerställer att genererade bilder ser ut som riktiga bilder.
• Variation: Utvärderar om de genererade bilderna skiljer sig tillräckligt mycket från varandra och från träningsdatan.

Användningsområden

• Modellevaluering: FID används för att jämföra olika generativa modeller och deras varianter.
• Kvalitetskontroll: Hjälper till att identifiera och sålla bort orealistiska bilder, exempelvis de med anatomiska felaktigheter i genererade människoansikten.

FID vs. Inception Score (IS)

Historisk kontext

Inception Score (IS) var ett av de första måtten som introducerades för att utvärdera GANs, med fokus på individuell bildkvalitet och variation. Det har dock vissa begränsningar, såsom känslighet för bildstorlek och bristande överensstämmelse med mänsklig bedömning.

Fördelar med FID

FID, som introducerades 2017, hanterar dessa begränsningar genom att jämföra de statistiska egenskaperna hos genererade bilder med de hos riktiga bilder. Det har blivit standardmåttet för att utvärdera GANs tack vare sin förmåga att effektivt fånga likheten mellan riktiga och genererade bilder.

Begränsningar med FID

Även om FID är ett robust och allmänt använt mått, har det sina begränsningar:

• Domänspecifikt: FID fungerar bra för bilder men är kanske inte lika effektivt för andra typer av generativa modeller, såsom de som genererar text eller ljud.
• Beräkningsintensivt: Att beräkna FID kan vara resurskrävande och kräver betydande datorkraft.