本文介绍了文本生成图像的评估指标，包括IS分数（衡量图像质量和多样性）、FID值（评估生成图像质量与多样性）、VSS（视觉-语义相似度，衡量图像与文本的匹配度）和R-precision（评估生成图像与文本描述的视觉-语义相似度）。IS分数通过Inception-v3网络判断图像清晰度和多样性，FID值利用特征空间的Frechet距离，VSS借助视觉-语义嵌入模型计算余弦相似度，R-precision计算余弦相似度以确定相关描述的准确性。
IS分数（Inception Score）：衡量图像质量和多样性
FID距离（弗雷彻特初始距离）：衡量图像质量和多样性
VSS（VisualSemantic Similarity）视觉语义相似度：衡量图像与输入文本的语义匹配度
R-precision（R精度）：评估生成图像与对应文本描述之间的视觉-语义相似度
补充信息熵的计算：
IS分数，越高越好。
对于图像质量。借助了一个外部图像分类器。p(y|x)的熵越小，说明数据分布较为集中（熵越大，代表分布越混乱）。y表示类别标签，x表示生成的图像。如果图像可以以很高的置信度被判别为某一类别，说明具有很好的清晰度和辨识度；如果难于明确分类，则说明图像质量差。
一般使用在ImageNet上训练好的Inception-v3网络。
对于图像多样性。如果GAN生成的图像具有很好的多样性，那么理应这些图像属于不同类别的概率是相同的，也就是图像属于不同类别的概率分布的信息熵越大越
最低0.47元/天 解锁文章
2233
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
