CFID:CFID-有条件的Frechet起始距离

CFID 我们考虑条件分布函数之间的距离函数。 我们专注于Wasserstein度量及其高斯案例，即Frechet起始距离（FID），我们开发了这些度量的条件版本，并分析了它们之间的关系。 然后，我们在条件生成模型的性能评估的上下文中对指标进行数值比较。 我们的结果表明，度量标准在经典模型中相似，不易受条件崩溃的影响。 但是在现代无监督，半监督和不成对的模型中，条件距离的信息量更大，在模型中，学习输入和输出之间的关系是主要挑战。 | | TensorFlow2实现条件式Frechet起始距离度量。 例如，给定低分辨率（LR）图像，真实的高分辨率图像（HR）和一些超分辨率模型（SR）。 CFID度量能够测量给定LR时HR与SR之间的距离。 与经典的Frechet起始距离（FID）相比，CFID考虑输入的LR图像。 它针对输入图像测量HR和SR之间的相似度。 与FID不同，CFID需要成