Речник

Разстояние на Фреше (FID)

Какво е Разстояние на Фреше (FID)?

Разстоянието на Фреше (Fréchet inception distance, FID) е метрика за оценка на качеството на изображения, генерирани от ИИ. Реални и генерирани изображения се прекарват през предварително обучена мрежа за разпознаване на образи (Inception v3) и се сравняват статистическите разпределения на техните признаци. Колкото по-ниска е стойността, толкова по-близки са генерираните изображения до реалните снимки по реализъм и разнообразие. FID е въведено през 2017 г. и е стандарт за сравнение на генератори на изображения.

Теми

Генериране на изображения
Метрика за оценка
Изследвания

Изпробвайте KI.ordo

Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.

Стартирайте демото

← Всички термини

Свързани термини

Генеративна състезателна мрежа (GAN)

Генеративната състезателна мрежа (generative adversarial network, GAN) се състои от две невронни мрежи, които се обучават една срещу друга: генераторът създава изкуствени данни, например изображения, а дискриминаторът се опитва да ги различи от реалните. Чрез това състезание резултатите стават все по-реалистични. GAN са представени през 2014 г. и оформят генерирането на изображения, преди дифузионните модели да се разпространят по-широко; използват се например за синтетични обучителни данни или подобряване на изображения.

Невронни мрежи
Генериране на изображения
+1

Stable Diffusion

Stable Diffusion е семейство модели за генериране на изображения, които създават картини от текстово описание. Първата версия е пусната през 2022 г. и е разработена под ръководството на Stability AI заедно с научни партньори. Технически това е латентен дифузионен модел, който постепенно превръща шума в картина. Тъй като теглата на модела са публикувани, той може да се стартира и настройва локално; комерсиалното използване на по-новите версии се урежда от собствения лиценз на Stability AI (към октомври 2026 г.).

генериране на изображения
дифузионен модел
+1

Benchmarking

В областта на ИИ бенчмаркингът означава систематично сравняване на модели или системи с помощта на определени задачи и критерии. Публичните бенчмаркове измерват например общи знания, способност за разсъждение или програмиране; за практическото използване обаче най-важни са тестовите случаи от собствената ежедневна работа. Типични критерии са точност, пълнота, време за отговор и разходи. Това помага да се реши дали по-малък и по-евтин модел е достатъчно добър за дадена задача.

Сравнение на модели
Evaluation
+1

Шаблон

Разпознаване на изображения

Разпознаването на изображения е област на компютърното зрение, в която софтуер определя какво показва едно изображение – обекти, хора, текст, лога или сцени. Обикновено се основава на невронни мрежи, обучени върху голям брой етикетирани изображения. Приложенията варират от контрол на качеството в производството и сортиране на продуктови снимки до подпомагане на медицинската образна диагностика. При изображения на хора особено внимание изискват защитата на данните и възможните пристрастия.

Компютърно зрение
Анализ на изображения
+1