精选理由
做条件生成或科学模拟的团队终于有了一个靠谱的评估工具——不用依赖未知的目标分布，直接用训练数据就能判断生成样本质量，建议做生物成像或可控生成的开发者试试。
该研究提出了一种后验的、每个样本的信任分数，用于评估条件生成模型在组合偏移下的样本质量。标准评估指标需要参考目标分布，但在外推场景中该分布不可用。新方法结合全局真实性和属性忠实度两个可估计量，仅使用训练分布即可评估样本。实验表明，该方法能有效过滤、排序和弃权生成样本，在生物成像和视觉基准测试中提升了下游性能。代码已开源。
AI 翻译 · 中文
该研究提出了一种后验的、每个样本的信任分数，用于评估条件生成模型在组合偏移下的样本质量。标准评估指标需要参考目标分布，但在外推场景中该分布不可用。新方法结合全局真实性和属性忠实度两个可估计量，仅使用训练分布即可评估样本。实验表明，该方法能有效过滤、排序和弃权生成样本，在生物成像和视觉基准测试中提升了下游性能。代码已开源。
Conditional generators provide a natural tool for controllable generation, including settings where the desired condition is a new composition of observed attributes or experimental factors. In many applications, especia…