LipSim：一个可证明鲁棒的感知相似度度量
原文中文，约300字，阅读约需1分钟。发表于：。该研究论文通过对基于 ViT 的特征提取器集合的先进感知相似度度量的鲁棒性进行敏感性分析，提出了名为 LipSim（Lipschitz 相似度度量）的可靠感知相似度度量方法，并通过一系列实验证明了 LipSim 在自然分数、认证分数和图像检索应用方面的性能。
该论文提出了一种基于神经网络的方法，用于计算数据的稳定泛化度量（LSiM），以用于数值模拟结果的比较。该方法应用连锁神经网络架构，通过对数值 PDE 解析器进行控制数据生成来提高数据多样性，其特殊损失函数允许对训练数据进行单个数据样本之间关联性的学习。实验结果表明，该方法相较于其它现有的向量空间和图像度量方法有更好的效果。
