文章目录
生成模型指标
1. Jsnsen-Shannon Divergence (JSD)
作用:计算两个点边际的分布
P r P_r Pr和 P g P_g Pg分别是对照参考点集和生成的点集的边缘分布,近似的将空间离散化成 2 8 3 28^3 283体素,每个点对应其中一个体素。然而,该指标仅考虑点云分布的边界而不是单个形状的分布。一个总是输出“平均形状”的模型能够有一个完美的JSD分数,但其并未学习到有用的形状分布。
2. Coverage (COV)
作用:考量对照参考点集至少在生成点集中匹配上一个点云的占比。
做法:对每个生成点集中的点云,其最近邻如果在对照参考点集当中,则认为其匹配上了。
在这里D(.,.)不是CD就是EMD距离。虽然该指标能够检测模式坍塌,但其并不能衡量生成点云的质量。事实上,即使生成点集与对照参考点集两者之间的分布是非常大的,也有可能得到一个很完美的COV分数。
3. Minimum matching distance (MMD)
作用:为了弥补COV的不足所提出的来衡量质量的指标。
做法:对于在参考对照点集中的每个点云,其与其在生成点集中最近邻的平均计算如下:
这里D可以是CD或EMD。然而,由于在生成点集 S g S_g S