【图像生成Metrics】快速计算FID、KID、IS、PPL

 1、介绍：

This repository provides precise, efficient, and extensible implementations of the popular metrics for generative model evaluation, including:

• Inception Score (ISC)
• Fréchet Inception Distance (FID)
• Kernel Inception Distance (KID)
• Perceptual Path Length (PPL)

github 地址为：https://github.com/toshas/torch-fidelity

 2、安装：

pip install torch-fidelity

3、使用：

这里的 --isc 是计算的input1文件夹下的images

①、当你的图像数量比较少的时候，通过添加 --kid-subset-size N 来使KID的计算生效

fidelity --gpu 0 --isc --kid --fid --input1 ./input_images --input2 ./output_images --kid-subset-size 100

②当你的图像数量比较多的时候，去掉 --kid-subset-size N 即可

fidelity --gpu 0 --isc --kid --fid --input1 ./input_images --input2 ./output_images

 API：

Usage Examples with Command Line — torch-fidelity 0.3.0 documentation

为什么没有PPL？

Perceptual Path Length

对生成图片除了要求清晰、多样之外。我们还希望生成模型可以结合不同的训练图片的特征。比如说我取一个人的发型，取另一个人的脸型，然后结合生成一张图片。

也就是生成器能否很好的把不同图片的特征分离出来，论文StyleGAN提出了Perceptual Path Length（PPL）用来评估这个指标。

这个一般用在人脸、狗脸上，例如风景图、分子图似乎不适用