学习GAN模型量化评价，先从掌握FID开始吧( 五 )_选自machinelearningmastery作者：Jaso

然后使用 Frechet 距离（又称 Wasserstein-2 距离）计算这两个分布之间的距离。

两个高斯分布（合成图像和真实图像）的差异由 Frechet 距离（又称 Wasserstein-2 距离）测量。

——「GANs Trained by a Two Time-Scale Update Rule Converge to a Local Nash Equilibrium」（https://arxiv.org/abs/1706.08500）, 2017.

使用来自 Inception v3 模型的激活函数输出来归纳每个图像，得分即为「Frechet Inception Distance」。

FID 越低，图像质量越好；反之，得分越高，质量越差，两者关系应该是线性的。

该分数的提出者表明，当应用系统失真（如加入随机噪声和模糊）时，FID 越低，图像质量越好。

图像失真程度的提高与高 FID 分数之间的关系。

如何计算 Frechet Inception 距离？

学习GAN模型量化评价，先从掌握FID开始吧( 五 )