Signatur und Log-Signatur zur Untersuchung empirischer Verteilungen, die mit GANs generiert wurden

In diesem Artikel stellen wir die Verwendung des kürzlich entwickelten Signature-Transformationsverfahrens als Methode zur Messung der Ähnlichkeit zwischen Bilddistributionen vor und liefern eine detaillierte Einführung sowie umfassende Evaluierungen. Wir sind die Ersten, die RMSE- und MAE-Signaturen sowie die Log-Signatur als Alternative zur Messung der GAN-Konvergenz einführen, ein Problem, das bereits intensiv untersucht wurde. Zudem sind wir Pioniere bei der Einführung analytischer Maßzahlen basierend auf statistischen Methoden, um die Anpassungsgüte der GAN-Stichprobenverteilung effizient und effektiv zu untersuchen. Aktuelle GAN-Maße erfordern normalerweise erheblichen Rechenaufwand, der typischerweise auf der GPU durchgeführt wird und sehr zeitaufwendig ist. Im Gegensatz dazu reduzieren wir die Berechnungszeit auf die Größenordnung von Sekunden und führen die Berechnungen auf der CPU durch, wobei wir dennoch eine vergleichbare Qualität der Anpassung erreichen. Schließlich wird auch ein neuartiger Ansatz zur Datenvisualisierung vorgestellt: eine adaptiv angepasste PCA-t-SNE-Methode, die in diesem Kontext bisher nicht bekannt war.