IS는 GAN의 성능 평가에 두가지 기준을 사용한다. 생성된 영상의 품질과 다양성이다. Inception 모델에서 식별하기 쉬운 영상 및 식별된 레이블의 variation(편차)가 풍부할수록 score가 높게 출력된다. 엔트로피를 통해 계산이 가능하다.
즉 KLD를 이용해서 두 분포가 얼마나 다른지 표현하여 IS를 계산한다.
FID는 생성된 영상의 품질을 평가하는데 사용. 이지표는 영상 집합사이의 거리를 나타낸다. OS는 집합 그자체의 우수함을 표현하는 score이기에 입력으로 한가지 클래스만 입력한다. FID는 생성된 영상의 집합과 실제 생성하고자하는 클래스 데이터의 분포의 거리를 계산한다. 가까울수록 좋은 영상이다. 아래와 같은 공식으로 생성된 영상 x와 g 사이의 FID계산이다. Inception network
$FID(x, g)=||μ_x−μ_g||^2_ 2+Tr(Σ_x+Σ_g−2(Σ_xΣ_g)^{1/2})$