Relative Taylor Debiasing

新的FID估算方法有望改进生成模型评估

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…