May, 2024
鉴别性总变差距离估计：生成数据的保真度稽核器
Discriminative Estimation of Total Variation Distance: A Fidelity Auditor for Generative Data
Lan Tao, Shirong Xu, Chi-Hua Wang, Namjoon Suh, Guang Cheng
TL;DR本文基于判别性方法提出了一种评估生成数据保真度的方法，利用总变差距离作为有效的度量。通过定量地表征两个分布分类的贝叶斯风险和它们的总变差距离的关系，实现了总变差距离的估计。特别地，本文建立了关于两个高斯分布总变差距离估计误差收敛速率的理论结果。通过选择特定的分类假设类，能够实现总变差距离的快速收敛速率。当两个高斯分布之间的分离度越大时，估计总变差距离的准确性越高，这一现象也通过广泛的模拟得到了实证验证。最后，我们将该判别性估计方法应用于使用 MNIST 数据集的合成图像数据的保真度排序。