BMK-005
Benchmark
CelebA-HQ unconditional generation (256×256)
| id | |
|---|---|
| updated | |
| type | benchmark |
| title | CelebA-HQ unconditional generation (256×256) |
| venue | Karras et al. 2017 (dataset); FID / Precision-Recall protocol |
| version | 256² as consumed by PPR-2112.10752 (LDM) |
| tier | 0 |
| lifecycle | EXTRACTED |
| epistemic | n/a |
| ingested | 2026-09-07 |
协议
- 任务：256×256 无条件人脸图像生成（CelebA-HQ，KD-70k 分割惯例沿用 LDM 论文）。
- 指标：FID 与 Precision/Recall（kynkaanniemi2019improved）。
- LDM 口径：无条件模型；LDM-4（f=4）为主报告配置。
已知偏差
- 单数据集人脸域：SOTA 结论（FID 5.11）严格限 CelebA-HQ，不可外推至多类数据集（CLM-020 scope 限定所本；EVI-020 Caveats 同源）。
- Precision/Recall 的 mode-covering 解读为指标层证据：无 rare-class 或 coverage@k 级检验（FRM-2112.10752 Commentary hedge）。
承重关系
- PPR-2112.10752： unconditional 生成（EVI-020 主表；CLM-020 主锚点）。
关联（4）
- PPR-2112.10752 High-Resolution Image Synthesis with Latent Diffusion Models
- FRM-2112.10752 LDM 五层重建：感知压缩 AE + 潜空间扩散的两段分解，换取训练/采样成本大降；多任务多分辨率（256²/512²→~1024²）。
- CLM-020 likelihood-based 目标的 mode-covering 行为在 Precision/Recall 上系统性地优于 GAN（逐数据集、针对对抗基线），支持其分布覆盖优势的指标层证据；同口径下 LDM 于 CelebA-HQ 取得新 SOTA FID，其余数据集与最强 GAN/扩散竞争。
- EVI-020 无条件合成表：LDM 对 GAN/扩散基线的 FID/Precision/Recall（支撑 CLM-020）。