Glosario

Distancia de Fréchet Inception (FID)

¿Qué es Distancia de Fréchet Inception (FID)?

La distancia de Fréchet Inception (FID) es una métrica para valorar la calidad de las imágenes generadas por IA. Se pasan imágenes reales y generadas por una red de reconocimiento preentrenada (Inception v3) y se comparan las distribuciones estadísticas de sus características. Cuanto menor es el valor, más se parecen las imágenes generadas a fotos reales en realismo y variedad. Se presentó en 2017 y es un estándar para comparar generadores de imágenes.

Temas

Generación de imágenes
Métrica de evaluación
Investigación

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo

← Todos los términos

Términos relacionados

Red generativa antagónica (GAN)

Una red generativa antagónica (Generative Adversarial Network, GAN) está formada por dos redes neuronales que se entrenan una contra otra: el generador crea datos artificiales, como imágenes, y el discriminador intenta distinguirlos de los reales. Gracias a esta competición, los resultados son cada vez más realistas. Las GAN se presentaron en 2014 y marcaron la generación de imágenes antes de que se extendieran los modelos de difusión; se usan, por ejemplo, para datos de entrenamiento sintéticos o para mejorar imágenes.

Redes neuronales
Generación de imágenes
+1

Stable Diffusion

Stable Diffusion es una familia de modelos de generación de imágenes que crean ilustraciones a partir de una descripción de texto. La primera versión salió en 2022, desarrollada bajo el liderazgo de Stability AI junto con socios de investigación. Técnicamente es un modelo de difusión latente que transforma poco a poco ruido en una imagen. Como sus pesos se publican, puedes ejecutarlo y adaptarlo en local; el uso comercial de las versiones más recientes se rige por una licencia propia de Stability AI (a octubre de 2026).

generación de imágenes
modelo de difusión
+1

Benchmarking

En IA, el benchmarking es la comparación sistemática de modelos o sistemas mediante tareas y criterios definidos. Los benchmarks públicos miden, por ejemplo, conocimientos generales, razonamiento o capacidad de programación; pero para el uso práctico cuentan sobre todo los casos de prueba de tu propio trabajo diario. Se suelen comparar exactitud, exhaustividad, tiempo de respuesta y coste. Así se puede decidir si un modelo más pequeño y barato basta para una tarea.

Comparación de modelos
Evaluación
+1

Plantilla

Reconocimiento de imágenes

El reconocimiento de imágenes es un campo de la visión artificial en el que un software identifica lo que muestra una imagen: objetos, personas, texto, logotipos o escenas. Suele basarse en redes neuronales entrenadas con muchas imágenes etiquetadas. Sus aplicaciones van desde el control de calidad en fábricas y la clasificación de fotos de productos hasta el apoyo en imagen médica. Con imágenes de personas hay que prestar especial atención a la protección de datos y a posibles sesgos.

Visión artificial
Análisis de imágenes
+1