生成模型新颖性基于熵的可解释评估

本文提出了一种新的评估单次生成模型的框架，通过对样本可识别性和样本多样性进行评估，分析了代表性单次生成模型在Omniglot手写数据集上的表现。研究发现GAN型和VAE型模型的多样性和可识别性互补，空间注意和上下文整合对多样性和可识别性有线性贡献，解缠效应能最大化可识别性。评估结果可推动人工智能技术发展。