研究人员开发了改进Fréchet Inception Distance (FID)估算的新方法，FID是评估生成模型的常用指标。该研究为经验插件估计量建立了严格的界限，揭示了大约$d^2$的样本复杂度。为解决此问题，他们提出了一种任意阶数的推断方法，并引入了相对泰勒去偏（RTD），这是一种计算效率高且样本复杂度达到最优$O(d / \epsilon^2)$的算法。实验表明，RTD在ImageNet上使用标准样本预算时可实现更低的估算误差，而另一项提出的估算器VALE$_2$则以显著更少的样本实现了与FID$_\infty$相当的准确度。 AI
影响 提高了生成模型的评估准确性，可能加速研究和开发。
排序理由 学术论文，详细介绍了机器学习评估指标的新算法和理论分析。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
