APEX：用于图像质量评估的基于无假设投影的嵌入检查指标

随着生成模型实现了前所未有的视觉质量，图像评估的黄金标准仍然是传统的特征分布指标（例如 FID）。然而，这些指标显然受到过时特征的封闭词汇瓶颈和严格参数公式的假设偏差的阻碍。最近的替代方案利用现代主干来解决功能瓶颈，但仍然受到参数限制的困扰。为了弥补这一差距，我们引入了 APEX（基于无假设投影的嵌入检查），这是一种新颖的评估框架，利用切片 Wasserstein 距离作为基于数学的、无假设的相似性度量。正如我们用理论和经验证据证明的那样，APEX 继承了对高维空间的有效可扩展性。此外，APEX 与嵌入无关，并使用两个开放词汇基础模型 CLIP 和 DINOv2 作为特征提取器。根据既定基线对 APEX 进行基准测试，揭示了对视觉退化的卓越鲁棒性。此外，我们还表明 APEX 指标表现出数据集内和跨数据集的稳定性，确保对域外数据集进行高度稳定的评估。