En este artículo, proponemos nuevas métricas, Densidad Recortada y Cobertura Recortada, para abordar la dificultad de evaluar la calidad de las muestras en modelos generativos. Para superar la vulnerabilidad de las métricas existentes a los valores atípicos y su dificultad de interpretación, reducimos su influencia limitando la contribución de las muestras individuales y el radio de los vecinos más cercanos. Mediante pruebas analíticas y experimentales, demostramos que las puntuaciones de estas métricas disminuyen linealmente a medida que aumenta la proporción de muestras de baja calidad. Por lo tanto, pueden interpretarse intuitivamente como la proporción de muestras de buena calidad. Mediante experimentos exhaustivos con conjuntos de datos sintéticos y reales, demostramos que las métricas propuestas superan a los métodos existentes en términos de robustez, sensibilidad e interpretabilidad.
