pytorch-fid

收录理由

训练图像生成模型时，FID几乎是论文里必报的指标，用来证明新模型比基线强。这个PyTorch移植版是很多人需要计算FID时的默认选择。它通过把两组图像的Inception特征拟合成高斯分布，再求两个分布之间的Fréchet距离来打分，这种度量比像素级损失更贴近人对视觉质量的主观判断。使用起来很简单，命令行指定两个文件夹就能跑，还能把某个数据集的统计结果存成.npz文件复用，后续跟多个模型对比时不用重复提取特征。如果图片数量不到默认设置要求的约2000张，也可以改用Inception网络的较低层特征，但不同特征层算出的分数不能直接比较。需要留意的是，由于后端和插值实现的差异，结果和官方TensorFlow版本不会完全一致，如果论文里要跟已发表数字精确对齐，最好先读一下文档。