FID score

FID score

什么是FID

Frechet Inception Distance 是FID的缩写，是评估生成图像质量的指标。

FID score 是作为对Inception Score 的改进提出的。inception score是根据表现很好的图片分类模型Inception v3分类生成图片集合的分类结果好坏得到的。这个分数结合了每个合成图像的条件类预测的置信度（quality）和预测类的边际概率的积分（diversity）。

quality可以这样理解，针对每个图片得到的结果是一个概率向量，那么就希望它所属于的那个类别的概率尽可能的大，而其他概率尽可能小；diversity也就是多样性，就是要使得将生成的图片集合的概率向量相加得到的概率分布（marginal distribution）尽可能贴近均匀分布。通过kl散度可以将两者进行融合，原理就是希望$p(y|x)$与$p(y)$之间的距离大一些，这样结果会好一些。

IS没有评估生成图片与真实图片的比较。FID就考虑了生成图片的统计数据与真实数据的统计数据之间的比较。

像inception score一样，FID得分也使用了Inception v3模型。具体来说，使用了模型的编码层（输出图像分类之前的最后一个池化层）来捕捉输入图像的计算机视觉特定特征。这些激活值是对真实和生成的图像集合计算得出的。

这些激活值被总结为一个多变量高斯分布，方法是计算图像的均值和协方差。然后，对真实和生成图像集合中的激活值计算这些统计数据。

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

较低的FID表示图像质量更好；相反，较高的得分表示图像质量较低，这种关系可能是线性的。

怎么计算FID

FID得分的计算首先需要加载一个预训练的Inception v3模型。

模型的输出层被移除，输出取自最后一个池化层，即全局空间池化层。

这个输出层有2048个激活值，因此，每张图像被预测为2048个激活特征。这被称为图像的编码向量或特征向量。

然后，为问题领域中的一组真实图像预测出2048个特征向量，以提供真实图像表示方式的参考。然后可以为合成图像计算特征向量。

结果将是两组真实和生成图像的2048个特征向量。

然后，根据论文中的以下方程计算FID得分：
$$d^2=||{\mu }_1–{\mu }_2|{|}^2+Tr(C_1+C_2–2\ast sqrt(C_1\ast C_2))$$
其中$\mu$是均值，C是协方差矩阵