摘要
本文提出将近期发展的签名变换（Signature Transform）应用于图像分布相似性度量，并进行了详尽的分析与广泛评估。我们首次开创性地提出了基于均方根误差（RMSE）和平均绝对误差（MAE）的签名度量方法，同时将对数签名（log-signature）作为衡量生成对抗网络（GAN）收敛性的替代指标，这一问题在以往研究中已受到广泛关注。此外，我们率先引入基于统计分析的度量方法，用于评估GAN生成样本分布的拟合优度，该方法兼具高效性与有效性。现有的GAN评估方法通常依赖大量计算，且需在GPU上完成，耗时较长；相比之下，本文方法将计算时间缩短至秒级，且计算在CPU上即可完成，同时保持了相当的评估精度。最后，本文还提出了一种新颖的、适用于该场景的PCA自适应t-SNE数据可视化方法。