实体
FD-loss
FD-loss
PulseAugur coverage of FD-loss — every cluster mentioning FD-loss across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
OpenAI 相关研究人员将 FID 集成到训练中，在 ImageNet 上取得低于 0.8 的分数
来自南加州大学、卡内基梅隆大学、香港中文大学和 OpenAI 的研究人员开发了一种名为 FD-loss 的新方法，该方法允许将 Fréchet Inception Distance (FID) 指标直接纳入图像生成模型的训练过程。该技术将统计计算与梯度更新分离，使得小型模型能够在 ImageNet 上实现低于 0.8 的 FID 分数。研究还表明，仅优化 FID 可能不总是能产生最佳的视觉效果，并提出了一个新的指标 FDrk，用于更鲁棒的评估。
-
研究人员提出 FD-loss 以优化表示空间中的视觉生成
研究人员引入了一种新的训练目标 FD-loss，它优化了视觉生成在表示空间中的 Fréchet 距离 (FD)。该方法将 FD 估计的总体大小与梯度计算使用的批次大小分离开来。将 FD-loss 应用于现有生成器已显示出视觉质量的提高，使用 Inception 特征空间的单步生成器在 ImageNet 256x256 上达到了 0.72 FID。