Fr\'echet 距离衡量什么？方向性分解

arXiv:2610.05518v1 发布类型：cross 摘要：Fr\'echet 距离是跨领域评估生成模型的事实标准，在图像领域表现为 FID，在视频领域表现为 FVD。它用单个标量概括生成分布与参考分布之间的差异，通常将较低的数值解读为更好的生成质量。然而，这种标量视角可能掩盖比较结果的驱动因素。例如，在 COCO 数据集中，增加扩散采样步数会提升 ImageReward 得分，却使 FID 恶化（升高）。受这一不一致现象的启发，我们希望通过揭示差异所在的位置，使 Fr\'echet 距离更具可解释性。为此，我们引入了方向性 Fr\'echet 距离，即最优传输位移在给定方向上的投影平方的期望值。在图像、视频和蛋白质案例研究中，我们发现，少量具有可解释性的方向就能解释距离中的很大一部分。我们利用这些方向，根据 CLIP 嵌入所表示的语义概念解释 FID 的升高，量化 FVD 对逐帧外观的偏向，并重新审视 Protein FID 的解释。我们已在 https://github.com/yhlee-add/directional-fd 开源代码库。