Fogalomtár

Fréchet inception distance (FID)

Mi a(z) Fréchet inception distance (FID)?

A Fréchet inception distance (FID) az MI által generált képek minőségének értékelésére szolgáló mérőszám. A valódi és a generált képeket egy előre betanított képfelismerő hálón (Inception v3) vezetik át, és összehasonlítják jellemzőik statisztikai eloszlását. Minél alacsonyabb az érték, annál közelebb állnak a generált képek a valódi fényképekhez valósághűség és változatosság tekintetében. A FID-et 2017-ben vezették be, és a képgenerátorok összehasonlításának szabványa.

Témák

képgenerálás
értékelési mérőszám
Kutatás

Próbálja ki a KI.ordót

Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.

Demó indítása

← Minden fogalom

Kapcsolódó fogalmak

Generatív versengő háló (GAN)

A generatív versengő háló (Generative Adversarial Network, GAN) két egymás ellen tanított neurális hálóból áll: a generátor mesterséges adatokat – például képeket – hoz létre, a diszkriminátor pedig megpróbálja megkülönböztetni őket a valódiaktól. Ebben a versengésben az eredmények egyre valósághűbbek lesznek. A GAN-okat 2014-ben mutatták be, és a diffúziós modellek elterjedése előtt meghatározták a képgenerálást; használják őket például szintetikus tanítóadatokhoz vagy képjavításhoz.

Neurális hálózatok
képgenerálás
+1

Stable Diffusion

A Stable Diffusion szöveges leírásból képeket készítő képgeneráló modellek családja. Az első verziót 2022-ben adták ki, a Stability AI vezetésével, kutatási partnerekkel együtt fejlesztve. Technikailag látens diffúziós modell, amely fokozatosan alakítja képpé a képzajt. Mivel a modell súlyai nyilvánosak, helyben futtatható és testre szabható; az újabb verziók kereskedelmi felhasználását a Stability AI saját licence szabályozza (2026. októberi állapot szerint).

képgenerálás
diffúziós modell
+1

Benchmarking

Az MI területén a benchmarking modellek vagy rendszerek szisztematikus összehasonlítását jelenti meghatározott feladatok és szempontok alapján. A nyilvános benchmarkok például az általános tudást, a következtetési képességet vagy a programozási tudást mérik; a gyakorlati használat szempontjából azonban a saját mindennapi munkából vett tesztesetek a legfontosabbak. Jellemző szempont a pontosság, a teljesség, a válaszidő és a költség. Ez segít eldönteni, hogy egy kisebb, olcsóbb modell elég jó-e egy feladathoz.

Modell-összehasonlítás
Evaluation
+1

Sablon

Képfelismerés

A képfelismerés a számítógépes látás olyan területe, amelyben a szoftver azonosítja, mit ábrázol egy kép – tárgyakat, embereket, szöveget, logókat vagy jeleneteket. Általában nagyszámú címkézett képen tanított neurális hálózatokon alapul. Az alkalmazások a gyártási minőségellenőrzéstől és a termékfotók rendezésétől az orvosi képalkotás támogatásáig terjednek. Embereket ábrázoló képek esetén az adatvédelem és a lehetséges torzítás különös figyelmet igényel.

Számítógépes látás
Képelemzés
+1