Quais são as métricas de qualidade de geração (FID, IS, KID, CLIPScore)?

As métricas de qualidade na geração de imagens e outros dados em tarefas de modelagem generativa ajudam a avaliar o realismo, diversidade e coerência do conteúdo gerado. Vejamos as principais:

• FID (Fréchet Inception Distance) — mede a distância entre as distribuições de características de imagens reais e geradas, obtidas de uma camada intermediária da rede Inception. Quanto menor o FID, mais próximas estão as imagens geradas das reais em termos estatísticos de características.

• IS (Inception Score) — avalia a qualidade e diversidade das imagens geradas, usando as previsões do classificador Inception. Um IS alto indica que as imagens são bem classificadas (qualidade) e distribuídas em diferentes classes (diversidade).

• KID (Kernel Inception Distance) — alternativa ao FID, baseada na avaliação do desvio médio máximo (MMD) entre as características de imagens reais e geradas. O KID é uma estimativa sem viés e pode ser mais estável com poucos dados.

• CLIPScore — métrica que usa o modelo CLIP, que vincula imagens e texto. Permite avaliar a correspondência entre a imagem gerada e a descrição textual dada, medindo a similaridade do cosseno entre os embeddings da imagem e do texto.

Estas métricas são aplicadas em tarefas de geração de imagens, por exemplo, em GANs, modelos de difusão e outras arquiteturas generativas, para avaliar objetivamente a qualidade e a relevância do conteúdo gerado.