【汇总】图像生成/编辑方向常用评估指标总结

雪花desu

已于 2025-03-17 20:12:02 修改

阅读量2.1k

点赞数 27

文章标签：计算机视觉人工智能

于 2025-03-17 16:25:22 首次发布

本文链接：https://blog.csdn.net/qq_55953518/article/details/146314532

版权

一、通用图像生成评估指标

FID（Fréchet Inception Distance）
- 原理：通过Inception-v3网络提取特征，计算生成图像与真实图像分布的距离。
- 公式：结合均值差异和协方差矩阵的迹。
- 特点：对模式坍塌敏感，需至少5万张真实图像计算。
- 局限：依赖Inception-v3的特征空间。
IS（Inception Score）
- 原理：衡量生成图像的多样性和清晰度。
- 公式：基于生成图像的条件概率分布与边缘分布的KL散度。
- 特点：计算简单，但无法检测过拟合。
KID（Kernel Inception Distance）
- 原理：基于最大均值差异（MMD）的无偏估计版本。
- 适用场景：小规模数据集评估。

Precision & Recall
- 定义：
  - Precision：生成图像中符合真实分布的比例。
  - Recall：真实分布中被生成图像覆盖的比例。
- 计算：基于特征空间的k近邻方法。

LPIPS（Learned Perceptual Image Patch Similarity）
- 原理：通过预训练的深度网络（如AlexNet）提取特征，计算两图像的感知差异。
- 范围：0（完全相似）到1（完全不同）。
- 适用：语义级编辑（如风格迁移、修复）。
SSIM（结构相似性指数）
- 原理：从亮度、对比度、结构三个维度评估图像相似性。
- 范围：0到1（越大越好）。
- 适用：轻度编辑任务（如去噪）。
PSNR（峰值信噪比）
- 原理：基于像素级均方误差（MSE）的对数值。
- 范围：20-50 dB（越大越好）。
- 适用：超分辨率、图像重建等像素级任务。

CLIP Score
- 原理：使用CLIP模型计算文本描述与生成图像的语义对齐度。
- 公式：基于余弦相似度的文本-图像嵌入匹配。
- 适用：文本引导生成/编辑任务。
DINO-ViT特征相似度
- 原理：利用自监督ViT模型提取的深层特征计算相似度。
- 特点：对语义变化敏感，适合复杂编辑任务。