衡量模型生成图片质量的指标

FID 是生成图像和真实图像在特征空间中的分布距离。（越小越好）

　　1.FID 假设生成图像和真实图像在特征空间的分布都是高斯分布，然后计算这两个高斯分布的距离。

 

 CLIP是什么？（对比语言图像预训练）

它有image Encoder 和 Text Encoder

CLIP Score：如果text 和 image 是成对的，那么他们encoder出来的向量 要越近越好；否则就要越远越好。