Unverified50% confidenceFactExact time
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）
1
Sources
50%
Confidence
Long-term
Relevance
7/15/2026
First Seen
Sources
Related Claims
Unverified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80% similarUnverifiedMMD（Maximum Mean Discrepancy）是基于再生核希尔伯特空间的非参数分布距离度量，相比FID对小样本场景更友好、计算开销更低73% similarUnverifiedFID（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68% similarUnverifiedFID（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67% similarUnverified乘积量化通过预先计算的码本距离查表，将逐维度浮点运算的距离计算转化为整数查表累加，提升批量检索吞吐量66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/518269API
curl https://kongchang.com/api/v1/knowledge/claims/518269MCP
get_claim(id=518269)