Fréchet girişim mesafesi (FID)

Fréchet Girişim Mesafesi (FID), üretici modeller tarafından, özellikle Üretici Çekişmeli Ağlar (GAN’ler) tarafından üretilen görüntülerin kalitesini değerlendirmek için kullanılan bir metriktir. Girişim Puanı (IS) gibi önceki metriklerden farklı olarak, FID üretilen görüntülerin dağılımını gerçek görüntülerin dağılımıyla karşılaştırır ve böylece görüntü kalitesi ve çeşitliliği için daha bütünsel bir ölçüm sunar.

Fréchet Girişim Mesafesi (FID) Tanımı

Fréchet Mesafesi ve Girişim Modelinin Birleşimi

“Fréchet Girişim Mesafesi” terimi iki temel kavramı birleştirir:

1. Fréchet Mesafesi: Maurice Fréchet tarafından 1906 yılında tanıtılan bu metrik, iki eğri arasındaki benzerliği nicelendirir. Bir köpekle sahibinin ayrı yollarda yürüdüğü ve aralarındaki en kısa “tasmanın” uzunluğu olarak düşünülebilir. Fréchet Mesafesi; el yazısı tanıma, robotik ve coğrafi bilgi sistemleri gibi çeşitli alanlarda kullanılır.

2. Girişim Modeli: Google tarafından geliştirilen Inception-v3 modeli, ham görüntüleri bir gizil alana dönüştüren bir evrişimli sinir ağı mimarisidir; burada görüntülerin matematiksel özellikleri temsil edilir. Bu model, bir görüntüdeki çoklu ölçek ve konumlardaki özellikleri analiz etmede özellikle faydalıdır.

FID Nasıl Ölçülür?

FID aşağıdaki adımlarla hesaplanır:

1. Görüntüleri Ön İşleme: Uyum sağlamak için görüntüleri yeniden boyutlandırın ve normalleştirin.
2. Özellik Temsillerini Çıkarma: Görüntüleri, farklı özellikleri temsil eden sayısal vektörlere dönüştürmek için Inception-v3 modeli kullanılır.
3. İstatistikleri Hesaplama: Hem gerçek hem de üretilen görüntüler için özelliklerin ortalamasını ve kovaryans matrisini hesaplayın.
4. Fréchet Mesafesini Hesaplama: Mesafe hesaplamak için ortalamalar ve kovaryans matrisleri karşılaştırılır.
5. Son FID’ye Ulaşma: Nihai FID skoru, gerçek ve üretilen görüntüler arasındaki Fréchet Mesafesi karşılaştırılarak elde edilir. Daha düşük skorlar daha yüksek benzerliği gösterir.

Fréchet Girişim Mesafesi (FID) Amacı

Görüntü Kalitesi ve Çeşitliliğini Değerlendirme

FID, öncelikle GAN’ler tarafından üretilen görüntülerin görsel kalitesini ve çeşitliliğini değerlendirmek için kullanılır. Birden fazla amaca hizmet eder:

• Gerçekçilik: Üretilen görüntülerin gerçek görüntüler gibi görünmesini sağlar.
• Çeşitlilik: Üretilen görüntülerin, hem birbirlerinden hem de eğitim verilerinden yeterince farklı olup olmadığını değerlendirir.

Uygulama Alanları

• Model Değerlendirme: FID, farklı üretici modellerin ve varyasyonlarının karşılaştırılmasında kullanılır.
• Kalite Kontrolü: Özellikle üretilen insan yüzlerinde anatomik anormallikler gibi gerçekçi olmayan görüntülerin tespit edilmesine ve ayıklanmasına yardımcı olur.

FID vs. Girişim Puanı (IS)

Tarihsel Bağlam

Girişim Puanı (IS), GAN’leri değerlendirmek için tanıtılan ilk metriklerden biridir ve bireysel görüntü kalitesi ile çeşitliliğine odaklanır. Ancak, görüntü boyutuna duyarlılık ve insan yargısı ile uyumsuzluk gibi bazı sınırlamaları vardır.

FID’nin Avantajları

2017 yılında tanıtılan FID, üretilen görüntülerin istatistiksel özelliklerini gerçek görüntülerle karşılaştırarak bu sınırlamaları aşar. Gerçek ve üretilen görüntüler arasındaki benzerliği daha etkili şekilde ölçebilmesi sayesinde, GAN’leri değerlendirmek için standart metrik haline gelmiştir.

FID’nin Sınırlamaları

FID sağlam ve yaygın olarak kullanılan bir metrik olmasına rağmen bazı sınırlamaları vardır:

• Alan Özelliği: FID, görüntüler için iyi çalışır ancak metin veya ses gibi diğer üretici model türleri için aynı derecede etkili olmayabilir.
• Hesaplama Yoğunluğu: FID hesaplaması kaynak açısından yoğundur ve önemli ölçüde hesaplama gücü gerektirir.