众所周知，有大量的 GAN 变体具有图像生成任务的不同方面，例如稳定性、分辨率或图像处理能力。但是，我仍然感到困惑的是，我们如何确定一个网络生成的图像比另一个网络生成的图像更合理？
PS：声誉较高的人可以创建更多标签，例如图像生成吗？
如何评估 GAN 生成的图像的优劣？
人工智能
深度学习
生成模型
2021-10-31 23:24:26
1个回答
我了解您想了解我们可以用来评估 GAN（生成对抗网络）的方法。
如何评估 GAN？
单独 GAN 上的一种鉴别器
我们可以预先训练一个鉴别器，然后我们可以在各种生成器上使用这个鉴别器，看看这个鉴别器对每个生成器生成的图像有什么看法。从一个Generator生成的图像的判别器的平均输出可以与从另一个Generator生成的图像的平均输出进行比较。这意味着根据这个鉴别器，一个生成器比另一个更好。
比较概率模型
这是最近引起研究关注的一类评价指标。基本上，所有生成模型本质上都是概率性的，即使是 GAN。当我们要求生成模型生成类似图像的东西时，我们只是从概率分布中采样。这意味着如果我们可以比较我们的生成器和原始数据的概率分布，那么我们将有一个评估指标。我们可以提出一个核函数来更准确地定义这些概率分布。然后我们可以从生成器中获取我们生成的样本，并查看该样本从原始分布中获取的概率。研究人员还利用了KL 散度用于比较从两个分布生成的样本。
注意：在这种情况下不能直接应用 KL-divergence，因为相应的 ground truth 不可用。但是，在提到的研究工作中提出了一些修改。