一篇题为“FID彩票”的新论文研究了生成模型评估中Fréchet Inception Distance (FID)指标的可变性。研究发现，使用不同种子重新训练模型，其FID分数的变化幅度是仅从固定模型中重新绘制样本的三倍。这种差异归因于随机初始化、数据排序和流匹配损失噪声。该研究提出了一个修订的FID评估协议，包括每个单元的最佳引导，将低于约1.3%变异系数的FID差距视为不确定，并建议报告多个训练种子的误差条，而不是单一的FID数字。 AI
影响 强调了当前生成模型评估中潜在的不可靠性，表明需要更稳健的基准测试实践。
排序理由 该集群包含一篇详细介绍生成模型新评估方法的学术论文。[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 →
