Fréchet小波距离：一种领域无关的图像生成指标
计算机视觉与模式识别
2025-03-04 v3 机器学习
图像与视频处理
摘要
现代生成学习指标如Fréchet Inception Distance (FID)和DINOv2-Fréchet Distance (FD-DINOv2)表现出色。然而，它们存在各种缺点，例如对特定生成器和数据集的偏见。为了解决这个问题，我们提出了Fréchet Wavelet Distance (FWD)，一种基于小波包变换（）的领域无关指标。FWD提供了对图像中宽频谱频率的高分辨率观察，保留了空间和纹理方面。具体地，我们使用将生成图像和真实图像投影到小波包系数空间。然后计算所得系数的Fréchet距离以评估生成器的质量。该指标是通用且数据集领域无关的，因为它不依赖任何预训练网络，同时由于能够计算每个小波包的Fréchet距离而更具可解释性，增强了透明度。我们通过对各种数据集上的多种生成器进行广泛评估，得出结论：与其他指标相比，所提出的FWD能够泛化并提高对领域偏移和各种损坏的鲁棒性。
引用
@article{arxiv.2312.15289,
title = {Fr\'echet Wavelet Distance: A Domain-Agnostic Metric for Image Generation},
author = {Lokesh Veeramacheneni and Moritz Wolter and Hildegard Kuehne and Juergen Gall},
journal= {arXiv preprint arXiv:2312.15289},
year = {2025}
}