待验证70% 置信事实精确时间
FID（Fréchet Inception Distance）通过比较真实数据与生成数据在深度神经网络特征空间中的统计分布差异来评估生成质量，数值越低表示越接近真实
2
来源数
70%
置信度
长期有效
时效性
2026/8/7
首次发现
来源
相关事实
待验证FID（Fréchet Inception Distance）由Heusel等人于2017年提出，用预训练Inception网络提取特征并将分布建模为多元高斯，计算Fréchet距离，FID值越低表明分布越接近77% 相似待验证可借助Fréchet Inception Distance（FID）或Maximum Mean Discrepancy（MMD）等分布距离度量来量化增强后训练分布与真实测试分布之间的偏移74% 相似待验证对比学习的核心损失函数（如InfoNCE、NT-Xent）本质是拉近同类样本表征距离、推远不同类样本表征距离70% 相似待验证量化测量域偏移程度的常用方法包括最大均值差异（MMD）和Fréchet Inception Distance（FID）68% 相似待验证神经网络中各层对精度损失的敏感程度差异显著，patch projection等输入投影层敏感度高，中间主干的注意力与FFN模块对低精度更鲁棒66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/699336API
curl https://kongchang.com/api/v1/knowledge/claims/699336MCP
get_claim(id=699336)