Tag: module-m6
-
【AI 核心深度 M6-086】解释 FID 的定义与局限。（Fréchet Inception Distance (FID): Mathematical Formulation and Structural Limitations）深度数理推导与工程落地解析
FID 用真实与生成图像在 Inception 特征空间的高斯距离衡量质量；对特征分布假设与样本量敏感，且不测文本对齐。
-
【AI 核心深度 M6-087】解释 CLIP-score 与它的偏置。（CLIP-Score Evaluation Mechanics and Linguistic/Perceptual Biases）深度数理推导与工程落地解析
CLIP-score 用 CLIP 计算生成图与 prompt 的相似度，衡量’文本对齐’；但它有’偏好特定风格’的偏置，且不能测真实感。
-
【AI 核心深度 M6-088】解释人类偏好在生成评估中的地位与方法。（Human Preference Benchmarking, Elo Ratings, and Automated Multimodal Judges）深度数理推导与工程落地解析
人类偏好是黄金标准；通过成对比较（Elo/Bradley-Terry）或打分收集，成本高但是最终裁决；LLM/VLM-judge 可扩展但需校准。
-
【AI 核心深度 M6-089】解释生成评估中的多样性与保真度权衡。（The Diversity vs Fidelity Pareto Trade-off in Generative Evaluation）深度数理推导与工程落地解析
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。
-
【AI 核心深度 M6-090】解释商品图生成特有的评估维度。（Specialized Evaluation Metrics for E-Commerce Product Image Generation）深度数理推导与工程落地解析
除通用指标外，需评’本体保真度（结构/颜色/纹理/文字）’、’合规性’、’一致性’与’业务指标（点击/转化）’。
-
【AI 核心深度 M6-091】解释生成评估的统计显著性问题。（Statistical Significance, Sample Sizing, and Confidence Intervals in Generative Evaluation）深度数理推导与工程落地解析
生成评估的指标有方差（样本、种子、prompt）；需报告置信区间、多种子、配对比较，避免’单点结论’。
-
【AI 核心深度 M6-092】解释视频生成相对图像生成的主要挑战。（Core Challenges of Video Generation Beyond 2D Image Synthesis: Temporal Consistency and Physics）深度数理推导与工程落地解析
时间一致性（帧间不闪烁）、运动建模、长时序依赖、以及 token 数与成本（帧数 × 每帧 token）。
-
【AI 核心深度 M6-093】解释视频生成中的时空注意力设计。（Spatio-Temporal Attention Architectures in Video Diffusion Models）深度数理推导与工程落地解析
三种设计：全时空注意力（最贵）、时空分离（先空间后时间）、以及分块/窗口；需在质量与成本间权衡。
-
【AI 核心深度 M6-094】解释 NeRF 与 3D Gaussian Splatting 的差异。（Neural Radiance Fields (NeRF) vs 3D Gaussian Splatting: Continuous Volumetric vs Discrete Primitives）深度数理推导与工程落地解析
NeRF 用 MLP 表示隐式辐射场（体积渲染，慢）；3DGS 用显式高斯基元（光栅化，快且可实时）。
-
【AI 核心深度 M6-095】解释语音识别与 TTS 的基本流程。（Foundational Pipelines of Speech Recognition (ASR) and Text-to-Speech (TTS)）深度数理推导与工程落地解析
ASR：音频 → 特征（mel）→ 编码器 → 解码文本（CTC/注意力/RNN-T）；TTS：文本 → 声学模型 → 声码器 → 波形。