Fréchet Inception Distance（FID）的样本最优估计

研究提出基于 U-统计量去偏的 FID 估计算法 RTD，达成样本最优复杂度 $O(d/\epsilon^2)$，解决了传统经验估计器的有限样本偏差。在带 Inception 嵌入的 ImageNet 评测中，RTD 在标准 50K 样本预算下误差最低，而提出的 VALE_2 仅需 10K 样本即可达到 FID_\infty 在 50K 样本时的精度；相关代码已开源。