Жасалгандык сапатынын метрикалары (FID, IS, KID, CLIPScore)?

Сүрөттөрдү жана башка маалыматтарды жаратуу сапатынын метрикалары генеративдүү моделдөө тапшырмаларында түзүлгөн мазмундун реалистиктигин, ар түрдүүлүгүн жана ылайыктуулугун баалоого жардам берет. Аларды негизгилерине карап көрөлү:

• FID (Fréchet Inception Distance) — реалдуу жана жаралган сүрөттөрдүн өзгөчөлүктөрүнүн таралышын аралыкта өлчөйт, алар Inception тармактын аралык катмарынын алынган. FID канчалык кичинекей болсо, жаралган маалыматтар реалдуу маалыматтарга статистикалык жактан жакын болот.

• IS (Inception Score) — жаралган сүрөттөрдүн сапаты жана ар түрдүүлүгүн Inception классификаторунун алдын ала айткан жыйынтыктары аркылуу баалайт. Жогорку IS сүрөттөрдүн так классификацияланганын (сапат) жана ар түрдүү класстарга бөлүнгөнүн (ар түрдүүлүк) көрсөтөт.

• KID (Kernel Inception Distance) — FIDке альтернатива, реалдуу жана жаралган сүрөттөрдүн өзгөчөлүктөрүнүн арасындагы эң чоң орто чектен (MMD) баалайт. KID көз карандылыксыз баалоо болуп саналат жана аз маалымат менен көбүрөөк туруктуу болушу мүмкүн.

• CLIPScore — CLIP моделин колдонгон, сүрөттөр менен тексттерди байланыштырат. Жаралган сүрөт менен берилген тексттин шайкештигин баалоо үчүн, сүрөт жана тексттин embeddings-инин косинус окшоштугун өлчөйт.

Бул метрикалар сүрөттөрдү жаратуу тапшырмаларында колдонулат, мисалы, GANдарда, диффузия моделдеринде жана башка генеративдик архитектураларда, жаралган мазмундун сапаты жана маанилүүлүгүн объективдүү баалоо үчүн.