NVIDIA 研究院首席研究科学家刘洺堉：

主要依靠两个东西，第一个是FID，叫Frechet Inception Distance。GAN是一种match两种分布的方法，在Frechet Distance里面假设分布是常态分布，当然影像不是常态分布，但是你可以用exception model把它从影像转换为一些defiture去提取特征，FID中，假设在提取特征后影像变成常态分布，你有两个数据集，可以给他们用Frechet Distance做常态分组。第二个就是通过肉眼，看哪个模型生成照片比较好，通常是用FID去比较差不多的话，再用肉眼去看，这样会相对简单很多；目前有两个主要的技巧，一个是gradient penalty，用在style GAN里面，另一个是Spectral normalization。