GAN 评估指标的优劣
计算机视觉与模式识别
2018-10-25 v5
摘要
生成模型，特别是生成对抗网络（GANs），近年来受到了广泛关注。已有多种 GAN 变体被提出并应用于许多任务中。尽管在理论进展上取得了巨大进步，评估和比较 GAN 仍然是一项艰巨的任务。虽然已经引入了若干评估指标，但迄今为止，对于哪个指标最能刻画模型的优势与局限并应用于公平的模型比较，尚无共识。正如计算机视觉与机器学习的其他领域一样，确定一两个良好的指标以引导该领域的进展至关重要。本文中，我回顾并批判性讨论了用于评估生成模型（尤其是由 GAN 衍生的模型）的超过 24 种定量指标与 5 种定性指标。我还提出了一组 7 条期望性质，并评估了给定指标或指标族是否与这些性质相容。
引用
@article{arxiv.1802.03446,
title = {Pros and Cons of GAN Evaluation Measures},
author = {Ali Borji},
journal= {arXiv preprint arXiv:1802.03446},
year = {2018}
}