Dendrogram distance: an evaluation metric for generative networks using hierarchical clustering

要約

我々は、主に生成ネットワークに焦点を当てた、生成モデリング評価のための新しい指標を提示します。
この方法では、樹状図を使用して本物のデータと偽のデータを表現し、トレーニング サンプルと生成されたサンプルの間の相違を計算できるようにします。
この指標はモードの崩壊に焦点を当てており、トレーニング セット内のすべてのモードをキャプチャできないジェネレーターを対象としています。
提案された方法を評価するために、実際のデータセットからのサンプリングに基づく検証スキームが導入されているため、メトリクスは制御された環境で評価され、他の最先端のアプローチと競合できることが証明されます。

要約(オリジナル)

We present a novel metric for generative modeling evaluation, focusing primarily on generative networks. The method uses dendrograms to represent real and fake data, allowing for the divergence between training and generated samples to be computed. This metric focus on mode collapse, targeting generators that are not able to capture all modes in the training set. To evaluate the proposed method it is introduced a validation scheme based on sampling from real datasets, therefore the metric is evaluated in a controlled environment and proves to be competitive with other state-of-the-art approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google