Generative Evaluation (FID / CLIP-Score): 解释生成评估中的多样性与保真度权衡。

Core Concept: 保真度（每张图是否真实/对题）与多样性（是否覆盖模式）存在张力；需分别度量（Precision/Recall）而非用单一指标。

数学机理：<strong>两个维度</strong>——(1) <strong>保真度（fidelity / precision）</strong>——'生成的每张图是否真实（或符合 prompt）'；高保真 = 生成样本都落在真实数据流形上。(2) <strong>多样性（diversity / recall）</strong>——'是否覆盖了真实分布的所有模式'；高多样性 = 生成样本覆盖真实数据的全部变化（不同姿态、背景、风格）。<strong>张力</strong>——(a) <strong>过拟合/记忆</strong>——模型'复制训练样本'→ <strong>保真极高</strong>（就是真实图）但<strong>多样性极低</strong>（只覆盖见过的）；(b) <strong>模式坍缩（mode collapse）</strong>——模型只生成少数模式 → 多样性低（但保真可能高）；(c) <strong>过度探索</strong>——生成'不真实'的图像 → 多样性高但保真低。<strong>为什么 FID 无法分别度量</strong>——FID 是<strong>单一数字</strong>，混合了'均值差'（粗略的质量）与'协方差差'（粗略的多样性）；故'高保真低多样'与'低保真高多样'可能给出<strong>相同的 FID</strong>（掩盖差异）。<strong>改进指标</strong>——(1) <strong>Precision/Recall（Kynkäänniemi 等 2019）</strong>——用<strong>特征空间的流形估计</strong>：(a) <strong>Precision</strong>——生成样本中落在'真实流形'内的比例（保真）；(b) <strong>Recall</strong>——真实样本中落在'生成流形'内的比例（多样性/覆盖）；<strong>两者分别报告</strong>，从而揭示'哪方面差'。(2) <strong>Density/Coverage（Naeem 等 2020）</strong>——更鲁棒的变体（用 k-NN 距离的连续度量而非二值判断）。(3) <strong>FID + Recall 组合</strong>（常一起报告）。(4) <strong>多模态生成的专门指标</strong>——如'每个 prompt 的多样性'（同一 prompt 生成多张图的差异）、'跨 prompt 的多样性'。<strong>与 CFG 的交互</strong>——(a) <strong>引导强度 s 大</strong> → 保真高（贴合 prompt）但多样性低（模式坍缩）；(b) <strong>s 小</strong> → 多样性高但可能不符 prompt；(c) 故'调 s'本质上是在<strong>保真-多样性的帕累托前沿</strong>上选点。<strong>与'记忆'的关系</strong>——(a) <strong>过拟合</strong> → 高保真 + 低多样 + <strong>可能复制训练集</strong>（需记忆检测，如检查与训练集的最近邻距离）；(b) 记忆检测与多样性评估<strong>互补</strong>（都揭示'模型是否真的学到了分布'）。<strong>评估实践</strong>——(a) <strong>同时报告 Precision 与 Recall</strong>（而非只报 FID）；(b) <strong>报告多 prompt 下的多样性</strong>（同 prompt 多图的差异、不同 prompt 的差异）；(c) <strong>记忆检测</strong>（最近邻距离）；(d) <strong>与 CFG s 一起报告</strong>（因为 s 影响两者）。<strong>应用含义</strong>——(a) <strong>需要严格对题</strong>（如商品图）→ 优先保真（s 大）；(b) <strong>需要创意/多样</strong>（如灵感图）→ 优先多样性（s 小）；(c) <strong>需在两者间平衡</strong>（大多数场景）。<strong>度量</strong>——(a) Precision/Recall（或 Density/Coverage）；(b) FID/KID；(c) 同 prompt 多样性（LPIPS 分布）；(d) 记忆检测（最近邻）。

深度剖析与工程权衡：① <strong>'FID 无法区分保真与多样'是重要局限</strong>——故需 Precision/Recall 分别报告；面试中能指出这一点是深度理解的标志。② <strong>'CFG 的 s 本质是保真-多样性旋钮'</strong>——它把这一权衡暴露为一个可调参数；故评估必须报告 s。③ <strong>'记忆检测'不可省</strong>——高保真可能来自'复制训练集'（而非真正的生成能力）；故需最近邻检查。④ <strong>'同 prompt 多样性'是实用指标</strong>——对'需要创意的场景'，同 prompt 生成多图的差异是关键；而 FID 无法反映。⑤ <strong>'应用决定权衡点'</strong>——商品图重保真、灵感图重多样；故评估应报告整条帕累托曲线（而非单点）。⑥ <strong>面试要点</strong>——被问'多样性与保真如何权衡'，应给出'<strong>两维度（precision/recall）+ FID 无法区分两者 + CFG 的 s 是旋钮 + 记忆检测</strong>'与'<strong>按应用选点、报告曲线</strong>'；能指出'高保真可能来自复制'是深度理解的标志。