FID和IS的区别
📊 生成模型评估：你选 IS 还是 FID？
在评估 GAN、Diffusion 等图像生成模型时，两个最常被提到的指标是：
🔹IS (Inception Score)
🔹FID (Fréchet Inception Distance)
🧠 Inception Score（IS）
IS 只看生成图像自身：
-
图像是否清晰？（预测分布是否尖锐）✅
-
图像是否多样？（预测类别分布是否均匀）✅
🎯 数学形式是 KL 散度，衡量生成图像的每个预测 p(y∣x)p(y|x) 和平均预测 p(y)p(y) 的差异。
🚫 缺点：没有对比真实图像，很容易“刷分”。你只需要每类生成一张清晰图就能得高分。
🧠 Fréchet Inception Distance（FID）
FID 是“实打实的对比”：
-
把真实图像和生成图像都送入 Inception 模型
-
比较它们提取出的特征分布差异（均值 + 协方差）
🎯 数学本质是 Fréchet 距离（两个高斯分布的距离）
✅ 更贴近人眼感知
✅ 能捕捉“模糊”、“模式坍缩”等问题
✅ 是学术界最主流的评估指标
📌 类比总结：
| 指标 | 看什么 | 参考真实图像？ | 容易刷分？ |
|---|---|---|---|
| IS | 生成图像本身 | ❌ 否 | ✅ 容易 |
| FID | 生成图像 vs 真实图像 | ✅ 是 | ❌ 不容易 |
🧭 实战建议：
在论文和工业应用中，IS 更适合快速测试，但FID 更值得信赖和发表。
👉 所以如果你正在训练 GAN，请优先报告 FID，IS 作为辅助参考即可！
📌 你平时用哪个指标评估你的模型效果？欢迎评论交流👇