建立量化气候变化图像真实感的评估指标
机器学习
2019-10-23 v1 计算机视觉与模式识别
机器学习
摘要
随着在受控任务上的成功，生成模型正越来越多地应用于人道主义领域[1,2]。在本文中，我们关注一个条件生成模型的评估，该模型展示气候变化引发的洪水后果，以鼓励公众对该问题的兴趣和认知。由于尚不存在用于比较条件生成模型中不同模式真实感的指标，我们提出了若干自动化和基于人工的评估方法。为此，我们改编了若干现有指标，并将自动化指标与作为黄金标准的人工评估进行比较。我们发现，使用带有来自辅助分类器之前的中间Inception-V3层嵌入的Fréchet Inception Distance (FID)，产生的结果与人工真实感评价相关性最高。尽管单独使用不足以建立与人工相关的自动评估指标，我们认为这项工作开始弥合人工与自动生成评估程序之间的差距。
引用
@article{arxiv.1910.10143,
title = {Establishing an Evaluation Metric to Quantify Climate Change Image Realism},
author = {Sharon Zhou and Alexandra Luccioni and Gautier Cosne and Michael S. Bernstein and Yoshua Bengio},
journal= {arXiv preprint arXiv:1910.10143},
year = {2019}
}
备注
Accepted to the NeurIPS 2019 Workshop, Tackling Climate Change with Machine Learning