Dec, 2023

异常评分：基于复杂性和脆弱性评估生成模型和个别生成图像

PDF
TL;DR基于生成模型的评估，该文研究了生成图像的表示空间与输入空间之间的关系，并提出了一种新的评估方法 —— 异常分数（AS）和个体图像的异常分数（AS-i），实验结果证明了该方法的有效性。
generative modelsassessmentrepresentation spaceanomaly scoreimage-generative models
发现论文，激发创造
  • 生成对抗网络质量度量的鲁棒性研究

    本文评估了生成模型质量测量的强度，指出 Inception Score 和 Fréchet Inception Distance 可被插入的噪点影响。作者还测试了最先进的 StyleGANv2 网络及其体系结构，并提供了一种增强版本的 FID 来减轻网络极度震荡的效果。

    Jan, 2022

  • 几何分数：一种比较生成对抗网络的方法

    本文提出了一种新的基于几何学性质的 GAN 模型性能度量方法，可以定量和定性地评估生成样本的质量和模式崩溃的程度。该算法适用于各种类型的数据集，并不仅限于视觉数据。我们在多种真实模型和数据集上测试了该方法，并展示了其提供的 GANs 特性新洞察。

    Feb, 2018

  • 通过建立感知特征模型进行异常检测定位

    本文提出了一种基于 Feature-Augmented VAE 的复杂异常模型的新 VAE 模型，该模型不仅在像素空间中重构输入图像，而且还在多个不同的特征空间中进行重构，通过对先前训练的卷积神经网络进行计算，对 MVTec 异常检测和定位数据集的表现明显优于现有最先进的方法。

    Aug, 2020

  • GIQA: 生成图像质量评估

    本研究提出 Generated Image Quality Assessment (GIQA) 算法，从学习和数据两个角度，定量评估 GAN 模型生成的图像质量。实验证明 GIQA 算法结果与人工评估基本一致，可应用于 GAN 模型的真实性和多样性评估，并能在训练中支持在线 hard negative mining。

    Mar, 2020

  • 一种分层转换 - 判别生成模型用于少样本异常检测

    本文提出了一种基于层次结构生成模型、图像变换和基于尺度的补丁鉴别器的异常检测方法，该方法可以通过极少量的样本（few-shot）训练来鲁棒地检测出图像中的异常样本，实验表明该方法在多个数据集上的表现优于近期的基线方法。

    Apr, 2021

  • 深度生成图像模型的几何学及其应用

    本文基于几何学的角度探究 GAN 潜在空间的性质和图像变异机制，并提出一种基于网络结构的方法计算 GAN 图像多丽安流形的黎曼度量，这一方法可以有效地优化潜在空间的优化等应用，并便于解释变换维度。

    Jan, 2021

  • 通过基于分数的对抗图像生成评估鲁棒性

    此研究介绍了基于评分的对抗生成（ScoreAG）框架，利用评分模型生成超越 $p$ 范数约束的对抗样本，既能保持图像的核心语义，又能生成逼真的对抗样本，进一步提高分类器的鲁棒性。通过广泛的实证评估，ScoreAG 在多个基准测试上与当前最先进的攻击和防御方法表现相当，强调了对抗样本在语义边界上的研究的重要性。

    Oct, 2023

  • 学习评估人工智能生成图像的艺术性

    本文提出了 ArtScore 指标，用于评估一个图像与艺术作品之间的相似程度，并介绍了该指标的实现方法。经过实验，ArtScore 评估结果更接近于人类的艺术评估，相对于其他评估方法，比如 Gram Loss 和 ArtFID 更加准确。

    May, 2023

  • 重新审视使用 GANs 进行图像合成的评估

    本文通过实证研究代表性生成模型 GAN，深入分析了如何在特征空间中代表数据点、如何使用选定样本计算合理距离以及每组要使用多少个实例等问题。实验结果表明，基于 CNN 和 ViT 的架构都是可靠和稳健的特征提取器，CKA 能够在一种模型中跨越各种提取器和分层层次上产生更好的比较，而且在表征两个内部数据相关性之间的相似性方面，CKA 显示出令人满意的样本效率并补充了现有指标（例如 FID）。这些发现帮助我们设计了一个新的测量系统，以便在一致可靠的方式下重新评估了最先进的生成模型。

    Apr, 2023

  • 衡量协同生成图像的多样性

    通过将神经网络编码的熵用于比较图像集合之间的多样性，我们提出了一种无需基准知识且易于计算的方法来评估协同创作系统生成的内容的多样性。通过比较两个预训练网络的选择与我们想要评估的多样性概念的关系，我们还讨论了这些度量在交互系统中的概念生成、模型评估以及计算创造力的更广泛应用。

    Mar, 2024