Glosar

Distanța Fréchet inception (FID)

Ce este Distanța Fréchet inception (FID)?

Distanța Fréchet inception (FID) este o metrică pentru evaluarea calității imaginilor generate de IA. Imaginile reale și cele generate sunt trecute printr-o rețea pre-antrenată de recunoaștere a imaginilor (Inception v3), iar distribuțiile statistice ale caracteristicilor lor sunt comparate. Cu cât valoarea este mai mică, cu atât imaginile generate sunt mai apropiate de fotografiile reale ca realism și varietate. FID a fost introdusă în 2017 și este un standard pentru compararea generatoarelor de imagini.

Subiecte

generare de imagini
metrică de evaluare
Cercetare

Încercați KI.ordo

Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.

Porniți demo-ul

← Toți termenii

Termeni înrudiți

Rețea generativă adversarială (GAN)

O rețea generativă adversarială (GAN) constă din două rețele neuronale antrenate una împotriva celeilalte: generatorul creează date artificiale, precum imagini, iar discriminatorul încearcă să le deosebească de cele reale. Prin această competiție, rezultatele devin tot mai realiste. GAN-urile au fost introduse în 2014 și au marcat generarea de imagini înainte ca modelele de difuzie să se răspândească mai larg; sunt folosite, de exemplu, pentru date de antrenare sintetice sau pentru îmbunătățirea imaginilor.

Rețele neuronale
generare de imagini
+1

Stable Diffusion

Stable Diffusion este o familie de modele de generare de imagini care creează imagini pornind de la o descriere text. Prima versiune a fost lansată în 2022, dezvoltată sub conducerea Stability AI împreună cu parteneri de cercetare. Din punct de vedere tehnic, este un model de difuzie latentă care transformă treptat zgomotul de imagine într-o imagine. Deoarece ponderile modelului sunt publicate, acesta poate fi rulat și personalizat local; utilizarea comercială a versiunilor mai noi este reglementată de licența proprie a Stability AI (stare la octombrie 2026).

generare de imagini
model de difuzie
+1

Benchmarking

În IA, benchmarkingul înseamnă compararea sistematică a modelelor sau a sistemelor pe baza unor sarcini și criterii definite. Benchmarkurile publice măsoară, de exemplu, cunoștințele generale, capacitatea de raționament sau de programare; pentru utilizarea practică, însă, contează cel mai mult cazurile de test din propria activitate zilnică. Criteriile tipice sunt acuratețea, completitudinea, timpul de răspuns și costul. Acest lucru ajută la a decide dacă un model mai mic și mai ieftin este suficient de bun pentru o sarcină.

Compararea modelelor
Evaluation
+1

Șablon

Recunoașterea imaginilor

Recunoașterea imaginilor este un domeniu al viziunii computerizate în care un software identifică ce arată o imagine – obiecte, persoane, texte, logouri sau scene. Se bazează de obicei pe rețele neuronale antrenate pe un număr mare de imagini etichetate. Aplicațiile variază de la controlul calității în producție și sortarea fotografiilor de produse până la sprijinirea imagisticii medicale. În cazul imaginilor cu persoane, protecția datelor și posibilele prejudecăți necesită o atenție deosebită.

Viziune computerizată
Analiza imaginilor
+1