Unverified50% confidenceFactExact time
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
1
Sources
50%
Confidence
Long-term
Relevance
7/16/2026
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79% 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77% similarUnverified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）67% similarUnverifiedEthayarajh等人于2019年通过实证研究揭示BERT、GPT等预训练模型的词向量高度集中在狭窄的锥形区域内，存在各向异性61% similarUnverifiedLi等人2018年发现神经网络的有效参数空间维度远低于名义参数量，训练轨迹被限制在低维子空间中60% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/527102API
curl https://kongchang.com/api/v1/knowledge/claims/527102MCP
get_claim(id=527102)