一种图像生成模型的评估方法和系统技术方案

本发明专利技术提供了一种图像生成模型的评估方法和系统，方法包括：选择待评估的图像生成模型及评估所需的真实数据集；运行待评估的图像生成模型，得到对应的生成数据集；将真实数据集和生成数据集输入到特征提取器中，利用特征提取器提取不同网络层的特征表示；根据不同网络层的特征表示，利用CKA度量指标基于真实数据集对生成数据集进行评估，获得CKA度量结果；根据CKA度量结果，获取图像生成模型的评估结果。本发明专利技术采用以自监督方式学习的基于ViT的主干作为特征提取器以及CKA度量指标，提高了生成数据集的样本效率，增强了生成模型评估体系的稳定性与鲁棒性，为综合评估生成模型提供了更全面、更可靠的对比。更可靠的对比。更可靠的对比。

【技术实现步骤摘要】
一种图像生成模型的评估方法和系统


[0001]本专利技术涉及一种电子
，尤其涉及一种图像生成模型的评估方法和系统。

技术介绍

[0002]近年来领域内的技术突破直接带动了元宇宙、人工智能自动内容生成和许多其他下游应用的兴起。生成模型是概率统计和机器学习中的一类重要模型，指一系列用于随机生成可观测数据的模型。生成模型的应用十分广泛，可以用不同的数据进行建模，比如图像、文本、声音等(本专利技术中的生成模型特指图像生成模型)。生成模型通过再现真实的数据分布，提供了通过内容再创造实现超越现实世界观察的机会。因此对生成模型进行评估和度量是必不可少的，与大多数视觉任务能够对每种采样进行准确性判断不同的是，由于图像生成目标是不可见的数据，通常用一组真实样本和另一组生成样本之间的分布距离进行评估，所以需要以一致和全面的方法衡量真实数据和生成数据分布之间的差异。而一个好的度量指标可以保证解决方案之间的可靠比较，这对于判定是否为良好的训练任务是必不可少的。然而，由于当前很多评估和度量指标都存在一定的缺陷，导致现有技术中如何来评估和度量生成模型的进步十分困难。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像生成模型的评估方法，其特征在于，包括：选择待评估的图像生成模型及评估所需的真实数据集；运行所述待评估的图像生成模型，得到对应的生成数据集；将所述真实数据集和所述生成数据集输入到特征提取器中，利用所述特征提取器提取不同网络层的特征表示；根据所述不同网络层的特征表示，利用CKA度量指标基于所述真实数据集对所述生成数据集进行评估，获得CKA度量结果；根据所述CKA度量结果，获取所述图像生成模型的评估结果。2.根据权利要求1所述的评估方法，其特征在于，所述利用所述特征提取器提取不同网络层的特征表示包括：在所述特征提取器中添加钩子来提取不同网络层的特征表示。3.根据权利要1所述的评估方法，其特征在于，所述利用CKA度量指标基于所述真实数据集对所述生成数据集进行评估包括：利用所述CKA度量指标计算所述真实数据集和所述生成数据集在不同网络层的特征表示之间的分布距离。4.根据权利要求1至3任一项所述的评估方法，其特征在于，所述特征提取器为以自监督方式学习的基于ViT主干的特征提取器。5.一种图像生成模型的评估系统，其特征在于，包括：选...

【专利技术属性】
技术研发人员：杨孟平，杨策元，张一弛，柏清岩，沈宇军，戴勃，
申请(专利权)人：上海人工智能创新中心，
类型：发明
国别省市：