评估科学生成模型的统计距离实用指南
原文中文，约300字，阅读约需1分钟。发表于：。本研究旨在理解和评估用于科学中生成模型的统计距离，包括 Sliced-Wasserstein、Classifier Two-Sample Tests、Maximum Mean Discrepancy 等方法。通过评估决策模型和生成医学图像模型，展示了这些不同距离对相似数据的不同结果。
本文通过实证研究代表性生成模型 GAN，分析了特征空间中代表数据点、计算合理距离以及每组使用多少个实例等问题。实验结果表明，基于CNN和ViT的架构是可靠的特征提取器，CKA能够产生更好的比较，补充了现有指标。这些发现帮助设计了一个新的测量系统，重新评估了最先进的生成模型。
