影像生成评估指标FID
一、FID 介绍
FID 是 Fréchet Inception Distance 的缩写，中文常称 “弗雷歇・因 ception 距离”，核心是衡量生成影像与真实影像的分布相似度，数值越低代表生成效果越贴近真实数据。
关键原理
用预训练的 Inception-v3 网络提取影像的高维特征（聚焦语义和全局结构）。
假设两组特征都服从多元高斯分布，分别计算各自的均值和协方差矩阵。
计算两个高斯分布之间的 Fréchet 距离，该距离即为 FID 值。
二、计算过程
数据准备：明确两组数据 —— 真实影像集（如 ImageNet 真实图片）和生成影像集（如 GAN 生成的图片），两组数据需保持相同分辨率、通道数（如均为 256×256 彩色图）。
特征提取：用预训练的 Inception-v3 网络（去掉最后一层分类层），分别对两组影像提取高维特征向量（通常是 2048 维），聚焦影像的全局结构和语义信息（如 “是否有猫的轮廓”“色彩分布是否自然”）。
分布拟合：假设两组特征向量都服从 多元高斯分布，分别计算：
真实特征的均值向量（μ_real）和协方差矩阵（Σ_real）
生成特征的均值向量（μ_gen）和协方差矩阵（Σ_gen）
计算 Fréchet 距离：代入公式计算两个高斯分布的距离，结果即为 FID 值：FID = ||μ_real - μ_gen||² + Tr (Σ_real + Σ_gen - 2√(Σ_realΣ_gen))（||・||² 是欧氏距离的平方，Tr 是矩阵的迹，即对角线元素之和）
三、数值与标准
FID 值越小，代表真实与生成影像的分布越接近，生成效果越好。
优秀生成模型（如成熟扩散模型）：FID < 10（贴近真实数据）
良好模型：10 < FID < 30（结构和语义基本一致）
一般模型：30 < FID < 50（存在明显差异，如结构扭曲、色彩怪异）
较差模型：FID > 50（生成内容与真实数据偏差极大）
生成影像集至少需要 1000 张图片，否则协方差矩阵估计不准，FID 值会失真