MIND：用于生成模型评估的 Monge 起始距离

我们提出了 Monge 起始距离 (MIND)，这是一种用于评估生成模型的指标，可解决广泛采用的 Fréchet 起始距离 (FID) 的关键限制。 MIND 指标利用切片 Wasserstein 距离，通过平均一维最佳传输距离来比较分布，并通过排序有效计算。这种方法规避了高维均值和协方差矩阵的估计，而这正是 FID 样本复杂性差且容易受到对抗性攻击的原因。我们凭经验证明了三个主要优点：（i）它的样本效率提高了一个数量级，（ii）计算速度提高了两个数量级，（iii）它对诸如矩匹配之类的对抗性攻击更加鲁棒。我们证明，具有 5k 样本的 MIND 可以取代具有 50k 样本的 FID 的评估性能，提供与该标准基准的高度相关性和卓越的判别性能。我们进一步证明，即使更小的样本量（例如 1k 或 2k）对于快速模型迭代仍然具有丰富的信息。