文本生成图像Text-To-Image评估指标IS、FID、VSS、R-precision

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好。