이 논문은 생성 모델의 성능을 평가하기 위한 새로운 지표인 특징 우도 발산(FLD)을 제안한다. 기존의 표준 지표들은 생성 모델의 일반화 성능을 충분히 평가하지 못하는 한계가 있었다.
FLD는 생성 모델이 생성한 샘플의 충실도, 다양성, 독창성을 종합적으로 평가할 수 있다. 이를 위해 생성 샘플을 특징 공간으로 매핑하고, 이 특징 공간에서 생성 모델의 밀도를 추정한다. 훈련 데이터에 대한 밀도 추정 시 과적합된 샘플에 대해서는 낮은 분산을 갖도록 하여, 과적합을 효과적으로 탐지할 수 있다.
실험 결과, FLD는 기존 지표들과 유사한 모델 순위를 제공하면서도, 과적합 탐지 및 개별 샘플의 충실도 평가 등 추가적인 정보를 제공할 수 있음을 보였다. 또한 FLD는 계산 복잡도 면에서도 효율적이다.
إلى لغة أخرى
من محتوى المصدر
arxiv.org
الرؤى الأساسية المستخلصة من
by Marco Jirale... في arxiv.org 03-14-2024
https://arxiv.org/pdf/2302.04440.pdfاستفسارات أعمق