基于归一化流的图像生成度量

我们提出了两种新的评估指标，用于衡量生成图像的真实性，这两种指标均基于归一化流：一种是更简单高效的基于流的似然距离（FLD），另一种是更精确的双向流基于似然距离（D-FLD）。由于归一化流可用于计算确切似然，这些提议度量评估生成图像与给定领域真实图像分布的对齐程度。该特性使提议度量相对于广泛使用的 FID 及其他近期度量具有若干优势：首先，提议度量仅需少数数百张图像即可稳定（均值收敛），而 FID 需要数万张图像，其他度量则至少需要数千张。这是一项在训练循环中对小型生成图像集进行自信评估的便利。其次，计算提议度量所用的网络参数数量比 FID 所用的 Inception-V3 少一个数量级，这使得其计算更高效。对于评估新领域（如胸片图像）中生成图像的真实性，理想情况下，这些网络应在真实图像上重新训练以建模其独特分布。因此，我们更小的网络对于新领域将更具优势。广泛实验表明，所提度量在各种图像退化类型下都具有所需的单调关系。