FID_IS_infinity

有效无偏的FID和初始分数以及在何处找到它们 这是的PyTorch实施，。 请注意，由于分数是使用PyTorch计算的，因此无法直接与从TensorFlow获得的数字进行比较。 抽象的： 在过去的几年中，深度生成模型已经引起了广泛的关注。 但是，到目前为止，评估他们的表现还不够，而且前后不一致。 我们表明，两个常用的评估指标，弗雷谢特起始距离（FID）和起始分数（IS）是有偏差的。 这种偏倚取决于我们用于计算分数的图像数量以及生成器本身，因此很难在模型之间进行客观比较。 这种偏差会导致模型排名发生变化，并且不会因修复而消失 。 因此，我们介绍 和 ，使用评估的两个有效的无偏度量 ，并表明我们可以通过外推法对其进行估算。 我们进一步利用准蒙特卡罗积分作为方差减少方法的一种形式来改进估计。 和 是分别用于FID和IS的简单直接替换，并且使我们能够在不同模型之间进行合理的比较。 最后，我们证