请给我图像评估指标:IS、FID、KID的中文全称、英文全称、原理公式
时间: 2023-10-06 13:13:25 浏览: 179
1. IS(Inception Score)
- 中文全称:启发式分数
- 英文全称:Inception Score
- 原理公式:
$IS = exp(\mathbb{E}_{x\sim p_{data}}[KL(p(y|x) || p(y))])$
其中,$p(y|x)$ 表示在给定图像 $x$ 的条件下,分类器输出为 $y$ 的概率分布;$p(y)$ 是类别 $y$ 在数据集中的真实分布;$KL$ 表示 KL 散度。Inception Score 通过计算生成图像与真实图像在分类器输出上的 KL 散度来衡量生成图像的多样性和质量。
2. FID(Fréchet Inception Distance)
- 中文全称:Fréchet Inception 距离
- 英文全称:Fréchet Inception Distance
- 原理公式:
$FID(x, y) = ||\mu_x - \mu_y||_2^2 + Tr(\Sigma_x + \Sigma_y - 2(\Sigma_x \Sigma_y)^{\frac{1}{2}})$
其中,$\mu_x$ 和 $\mu_y$ 分别是真实图像和生成图像在 Inception 网络中的特征向量均值,$\Sigma_x$ 和 $\Sigma_y$ 分别是真实图像和生成图像在 Inception 网络中的特征向量协方差矩阵。FID 通过计算真实图像和生成图像在特征空间中的距离来评估生成图像的多样性和质量。
3. KID(Kernel Inception Distance)
- 中文全称:核 Inception 距离
- 英文全称:Kernel Inception Distance
- 原理公式:
$KID(x, y) = ||\mu_x - \mu_y||_2^2 + Tr(K_x + K_y - 2(K_x K_y)^{\frac{1}{2}})$
其中,$\mu_x$ 和 $\mu_y$ 分别是真实图像和生成图像在 Inception 网络中的特征向量均值,$K_x$ 和 $K_y$ 分别是真实图像和生成图像在特征空间中的 Gram 矩阵。KID 通过计算真实图像和生成图像在特征空间中的核距离来评估生成图像的多样性和质量。与 FID 不同的是,KID 使用了核方法来度量特征空间中的距离,因此可以更好地处理非线性特征。