본 논문은 초해상도, 이미지 채우기, 전체 이미지 생성, 비짝 스타일 전이, 네트워크 제약 이미지 재구성과 같이 실제 정답을 사용 시점에 알 수 없는 기계 학습 기반 이미지 합성의 여러 측면을 다룹니다. 합성 이미지의 품질을 정량적이고 권위 있게 평가하는 것은 일반적으로 어렵지만, 중요한 생의학적 시나리오에서는 강력한 평가가 무엇보다 중요합니다. 이 연구에서는 모든 실질적인 이미지 간 비교는 절대적인 차이 수량화가 아니라 상대적인 자격이며, 따라서 잘 확립된 지각적 유사성 측정 지표인 Tversky 지수를 사용하여 생성된 이미지 품질을 의미 있게 평가할 수 있음을 보여줍니다. 이 평가 절차는 실제 및 시뮬레이션된 여러 이미지 데이터 세트를 사용하여 개발 및 시연됩니다. 주요 결과는 특징 인코딩 선택의 주관성과 고유한 결함을 우선적으로 제시할 때 Tversky의 방법이 직관적인 결과를 가져오지만, 심층 특징 공간에서 거리를 요약하는 기존 방법은 그렇지 않다는 것입니다.
