利用IS模型评估生成的图像质量

IS的核心思想

IS基于一个简单而巧妙的想法：好的生成图像应该既清晰又多样。

数学原理

1. 基本公式

IS = exp(E_x[KL(p(y|x) || p(y))])

其中：

• x：生成的图像
• y：图像的类别标签
• p(y|x)：给定图像x时，预测为类别y的概率分布
• p(y)：所有生成图像的边际类别分布
• KL：KL散度（Kullback-Leibler divergence）

2. 详细分解

第一步：获取每张图像的类别概率

# 对于每张生成图像，用Inception-v3预测1000个类别的概率
p(y|x) = [0.8, 0.1, 0.05, 0.03, 0.02, ...]  # 清晰图像：某个类别概率很高
p(y|x) = [0.3, 0.25, 0.2, 0.15, 0.1, ...]   # 模糊图像：概率分布较平均

第二步：计算整体边际分布