图像评估方法 FID 的具体实现原理与代码实现

一、FID 完整原理

1. 特征提取原理

2. 分布建模原理

3. FID 数学计算原理

FID 是两个多维高斯分布的 Wasserstein-2 距离平方，存在解析闭式解：

F

I

D

=

∥

μ

r

−

μ

g

∥

2

2

⏟

中心位置误差

+

Tr

(

Σ

r

+

Σ

g

−

2

Σ

r

Σ

g

)

⏟

分布形状误差

FID = \\underbrace{\\|\\boldsymbol{\\mu}_r – \\boldsymbol{\\mu}_g\\|_2^2}_{\\text{中心位置误差}} + \\underbrace{\\text{Tr}\\left(\\Sigma_r + \\Sigma_g – 2\\sqrt{\\Sigma_r \\Sigma_g}\\right)}_{\\text{分布形状误差}}

FID=中心位置误差

∥μr​−μg​∥22​​​+分布形状误差

Tr(Σr​+Σg​−2Σr​Σg​

​)​​

第一项：中心位置误差

• 运算：两个均值向量逐维做差，差值平方求和（L2 范数平方）
• 数学含义：量化两个高斯分布中心点的欧式距离，表征全局位置偏移
• 语义解释：InceptionV3 特征编码了物体类别、光照、色彩、构图等高层语义，中心偏移 = 两批图整体语义均值存在偏差

第二项：分布形状误差

由内向外运算：

• 数学含义：量化两个协方差矩阵的整体差异，表征散布形态、离散程度差异
• 语义解释：协方差描述样本波动范围与维度关联，该项对应两批图多样性和纹理分布的统计偏差

4. 数值判定原理

5. 工程计算原理

二、完整可运行代码

依赖安装

pip install torch torchvision pillow numpy scipy

完整实现

import os
import argparse
import numpy as np
from PIL import Image
import torch
import torchvision.models as models
import torchvision.transforms as transforms
from scipy.linalg import sqrtm

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

# ============================================================
# 1. 构建 InceptionV3 特征提取器
# ============================================================
def build_inception_extractor():
"""加载预训练 InceptionV3，截取 Mixed_7c 层的 2048 维特征"""
# 兼容新版 torchvision 权重加载（pretrained=True 已废弃）
weights = models.Inception_V3_Weights.IMAGENET1K_V1
inception = models.inception_v3(weights=weights).to(device)
# 关闭辅助分类分支，消除冗余计算
inception.aux_logits = False
inception.eval()

feat_output = None

def hook_fn(module, input, output):
nonlocal feat_output
feat_output = output

handle = inception.Mixed_7c.register_forward_hook(hook_fn)

def get_feature():
return feat_output

return inception, handle, get_feature

# ============================================================
# 2. 图像预处理
# ============================================================
transform = transforms.Compose([
transforms.Resize((299, 299)),
transforms.ToTensor(),
transforms.Normalize(mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225]),
])

# ============================================================
# 3. 批量提取 2048 维特征
# ============================================================
def extract_all_features(img_dir, extractor, get_feat, batch_size=32):
"""批量推理提取特征，自动跳过损坏图片"""
feat_list = []
valid_suffix = ('.jpg', '.jpeg', '.png')
img_names = [f for f in os.listdir(img_dir)
if f.lower().endswith(valid_suffix)]
print(f"检测到 {len(img_names)} 张图片")

for start_idx in range(0, len(img_names), batch_size):
batch_imgs = []
end_idx = min(start_idx + batch_size, len(img_names))

for name in img_names[start_idx:end_idx]:
img_path = os.path.join(img_dir, name)
try:
img = Image.open(img_path).convert('RGB')
batch_imgs.append(transform(img))
except Exception as e:
print(f"跳过损坏图片 {name}: {e}")
continue

if not batch_imgs:
continue

img_batch = torch.stack(batch_imgs).to(device)
with torch.no_grad():
extractor(img_batch)

feat_map = get_feat() # [B, 2048, 8, 8]
feat_vec = torch.mean(feat_map, dim=[2, 3]).cpu().numpy() # [B, 2048]
feat_list.extend(feat_vec)
print(f"已处理 {end_idx}/{len(img_names)}")

return np.array(feat_list) # [N, 2048]

# ============================================================
# 4. 计算均值和协方差（有偏估计，与 pytorch-fid 对齐）
# ============================================================
def calc_mu_sigma(features):
"""从特征矩阵 [N, 2048] 计算高斯分布的均值和协方差"""
mu = np.mean(features, axis=0) # [2048]
sigma = np.cov(features, rowvar=False, bias=True) # [2048, 2048]
return mu, sigma

# ============================================================
# 5. FID 核心公式
# ============================================================
def calculate_fid(mu1, sigma1, mu2, sigma2):
"""Wasserstein-2 距离平方 = 中心偏移 + 形状差异"""
# 第一项：均值 L2 范数平方
diff_mu = mu1 – mu2
term1 = np.sum(diff_mu ** 2)

# 第二项：协方差迹部分
cov_product = sigma1 @ sigma2
cov_sqrt = sqrtm(cov_product)
if np.iscomplexobj(cov_sqrt): # 消除浮点虚数误差
cov_sqrt = cov_sqrt.real
term2 = np.trace(sigma1 + sigma2 – 2 * cov_sqrt)

return float(term1 + term2)

# ============================================================
# 主程序（支持命令行参数）
# ============================================================
if __name__ == "__main__":
parser = argparse.ArgumentParser(description="FID 图像质量评估")
parser.add_argument("–real", type=str, required=True, help="真实图片文件夹路径")
parser.add_argument("–gen", type=str, required=True, help="生成图片文件夹路径")
parser.add_argument("–batch", type=int, default=32, help="推理批量大小")
args = parser.parse_args()

# 初始化特征提取器
model, hook_handle, get_feature = build_inception_extractor()

# 提取特征
print("===== 提取真实图片特征 =====")
feats_real = extract_all_features(args.real, model, get_feature, args.batch)
print(f"有效真实样本: {feats_real.shape[0]} 张")

print("===== 提取生成图片特征 =====")
feats_gen = extract_all_features(args.gen, model, get_feature, args.batch)
print(f"有效生成样本: {feats_gen.shape[0]} 张")

# 计算高斯参数
mu_real, sigma_real = calc_mu_sigma(feats_real)
mu_gen, sigma_gen = calc_mu_sigma(feats_gen)

# 计算 FID
fid_score = calculate_fid(mu_real, sigma_real, mu_gen, sigma_gen)
print(f"\\n===== FID = {fid_score:.4f} =====")

hook_handle.remove()
torch.cuda.empty_cache()

三、使用说明

pip install torch torchvision pillow numpy scipy

# 命令行传参
python fid_calc.py –real ./real_images –gen ./gen_images –batch 32

注意事项

个人能力有限，有问题随时联系~