Mar, 2018

Fréchet ChemNet 距离：药物发现中的分子生成模型度量

PDF
TL;DR提出了一种基于化合物相似性的新评估指标，称为 “Fréchet ChemNet distance (FCD)”，用于评估深度学习驱动的 de novo 药物设计的生成模型，该指标考虑了分子化学和生物学相关信息，并通过分布分析生成的分子集的多样性来度量其生成分子集的生物活性和化学特性的相似性和多样性。
deep learningde novo drug designgenerative modelsfréchet chemnet distanceevaluation metric
发现论文，激发创造
  • 生成模型的可靠保真度和多样性度量

    本研究旨在寻找图像生成任务的指标评价方法，证明最近的精度和召回率指标并不可靠，并提出一种新的基于密度和覆盖率的评价指标，这些指标可以提供比现有指标更可靠的信息信号。

    Feb, 2020

  • 重新思考 FID：为图像生成提供更好的评估度量

    FID 作为生成图像的主要质量度量标准存在一些问题，我们提出了一个基于更丰富的 CLIP 嵌入和最大均值差异距离的高斯 RBF 核的新的替代度量标准 CMMD，通过实验证明 FID 评估文本到图像模型的可靠性较低，而 CMMD 则提供了更强大和可靠的图像质量评估方法。

    Nov, 2023

  • 关于有条件的 GAN 评估

    本研究提出 Frechet Joint Distance (FJD) 作为一种度量条件生成对抗网络 (CGANs) 模型质量的单一指标。通过在一个可控的合成数据集上进行实验，证明了 FJD 在评估 CGANs 模型时的优越性，并用于评估了基于 CGANs 模型的多种调节模式，如类标签、对象掩模、边界框、图像和文本说明。

    Jul, 2019

  • 关于理解深度特征空间在人脸生成评估中的作用

    通过对人脸图像的深度特征空间进行研究，我们发现 Fréchet Inception Distance 指标明显受特征空间数据集和目标函数影响，建议在使用生成模型时考虑多个特征空间并使用经过调整的特征空间。

    May, 2023

  • ImageNet 类别在 Fréchet Inception 距离中的作用

    通过对 Fréchet Inception Distance 的调查，我们发现它容易受到人为或意外扭曲的影响。在一个意外的案例中，一个经过 ImageNet 预训练的 FastGAN 可以实现与 StyleGAN2 相当的 FID，但它在人类评估方面表现更差。

    Mar, 2022

  • 医学影像中弗雷歇距离计算中特征提取的重要性

    比较了在医学图像中计算 Fréchet 距离（FD）的最先进特征提取器，并通过可视图灵测试将人类评估的生成质量与使用 ImageNet 训练的 InceptionV3、ResNet50、SwAV、DINO 和 Swin Transformer 架构以及大规模医学数据集 RadImageNet 训练的 InceptionV3 网络计算的 FD 进行比较。所有基于 ImageNet 的提取器之间保持一致，但只有 SwAV 与医学专家判断显著相关。RadImageNet-based FD 表现不稳定且缺乏与人类判断的相关性。建议在计算 FD 时谨慎使用经过医学图像训练的提取器，并对其在考虑的成像模式上进行严格评估并公开发布。基于 ImageNet 的提取器虽然不完美，但一致且广泛理解。使用 SwAV 训练提取器是评估合成医学图像的有希望的方法。

    Nov, 2023

  • 深度隐式生成建模的特征函数方法

    本文提出了一种基于特征函数距离（Characteristic Function Distance）的新颖的隐式生成模型评价方法，可用于无监督图像生成，并在实验中表现出优于 WGAN 和 MMD-GAN 变体的性能。

    Sep, 2019

  • FFAD：利用傅立叶变换和自编码器评估生成的时间序列数据的新型指标

    通过使用傅里叶变换和自编码器，提出了一种新的评估基于深度学习生成的时序数据质量的方法，命名为 Fréchet Fourier-transform Auto-encoder Distance (FFAD)，该方法展示了在区分不同类别样本方面的潜力，从而为生成时序数据的评估方法提供了基础工具。

    Mar, 2024

  • PotentialNet 用于分子性质预测

    该论文介绍了使用基于深度神经网络的机器学习方法来改进药物发现过程中分子属性预测的性能，包括设计出的 PotentialNet 结构和 EF$_{chi}^{(R)}$ 指标以及交叉验证策略等，并在多个基于配体的任务中验证了模型性能的创新性。

    Mar, 2018

  • 生成对抗网络中 FID 和 SID 指标的评估

    使用公共数据集对图像处理中的生成对抗网络（GAN）模型进行训练和评估，发现使用 SID 指标能够有效衡量模型的生成性能，超过或者与使用 FID 指标相当。

    Feb, 2024