FID（Frechet Inception Distance score）
是計算真實圖像和生成圖像的特征向量之間距離的一種度量。
首先用預訓練的Inception v3分別生成真實圖像（real images）和生成圖像（synthetic images）的特征向量（默認dim=2048）
然后用Frechet 距離（又稱 Wasserstein-2 距離）計算得到的兩個特征向量分布，公式如下
mu代表向量均值，||^2代表平方和，C代表協方差矩陣
最大均值差異（Maximum Mean Discrepancy，MMD）
用於衡量生成數據和真實數據分布之間的差異大小，數值范圍為[0,1]，數值越大說明兩個分布之間差異越大。
通過計算兩個分布在同一函數上的輸出來得出差異。
1 最近鄰算法（1-Nearest Neighbor，1NN）
用於對生成數據和真實數據進行二分類
將距離（L2）自己最近的元素的label作為自己的label
多層結構相似性（Multi-Scale Structural Similarity index，MS-SSIM）
用於在不同的縮放比下衡量兩幅圖像之間的相似性，可以計算生成數據的多樣性
均交並比（Mean Intersection over Union，mIoU）
計算方法為分割預測值和分割真值的交集與並集之比
Dice 系數（Dice Coefficient）
計算方式為二倍分割預測值和分割真值的交集與預測值和真值之和的比
