FID

Frechet Inception Distance (FID)是一种用于评估生成模型质量的指标,常用于评估生成对抗网络(GAN)生成的图像质量。它通过比较真实图像和生成图像在 Inception v3 网络某一中间层特征空间的统计距离来衡量二者的相似程度。

图中红色表示真实图片，蓝色表示生成的图片。

FID假设两组Representation是高斯分布，计算两组分布之间的距离。

FID的计算过程如下:

1. 使用预训练的 Inception v3 网络提取真实图像和生成图像在某一中间层(如pool3)的特征。

2. 假设真实图像特征服从多元高斯分布,计算其均值向量μ₁和协方差矩阵Σ₁。同理,计算生成图像特征的μ₂和Σ₂。

3. 计算两个高斯分布之间的Frechet距离,作为FID得分:

   $d^2=|{\mu }_1-{\mu }_2{|}^2+\mathrm{Tr}({\Sigma }_1+{\Sigma }_2-2({\Sigma }_1{\Sigma }_2{)}^{1/2})$

其中$\mathrm{Tr}$表示矩阵的迹。

FID值越小,说明生成图像与真实图像在特征空间越接近,生成质量越好。

优点：FID能更全面地反映生成图像的质量和多样性。 缺点：对数据集敏感,需要很多的样本。