KAD：无 FAD 之路！面向音频生成的高效且可靠评估指标
声音
2025-03-11 v2 人工智能
机器学习
音频与语音处理
摘要
虽然 FAD 已被广泛用于评估生成音频信号，但其存在显著局限，包括依赖高斯假设、对样本量敏感以及计算复杂度高。作为替代方案，我们提出 Kernel Audio Distance（KAD），一种新型基于最大均值不等式（MMD）的分布无关、无偏且计算高效的评估指标。通过分析与实证验证，我们展示 KAD 的优势：（1）在更小的样本量下即可快速收敛，实现有限数据下的可靠评估；（2）计算成本更低，支持 GPU 加速；（3）更强地与人类感知判断保持一致。KAD 利用先进的嵌入表示与特征核，捕捉真实音频与生成音频之间细微差别。KAD 已开源于 kadtk 工具包，为评估生成式音频模型提供高效、可靠且感知对齐的基准。
引用
@article{arxiv.2502.15602,
title = {KAD: No More FAD! An Effective and Efficient Evaluation Metric for Audio Generation},
author = {Yoonjin Chung and Pilsun Eu and Junwon Lee and Keunwoo Choi and Juhan Nam and Ben Sangbae Chon},
journal= {arXiv preprint arXiv:2502.15602},
year = {2025}
}