使用场景
研究人员使用DIG-In评估不同图像生成模型在非洲地区的输出质量。
开发者利用DIG-In确保其应用在全球范围内提供一致的用户体验。
教育机构使用DIG-In作为教学工具，教授学生如何评估和改进AI模型的公平性。
产品特色
使用GeoDE和DollarStreet数据集评估生成图像的质量差异。
计算生成图像的精度、召回率、覆盖度和密度指标。
使用CLIPScore指标评估图像的一致性。
提供脚本以从生成图像中提取特征。
支持自定义图像或特征路径的指针。
提供计算指标的脚本，包括平衡参考数据集。
使用教程
1. 生成对应于csv文件中提示的图像。
2. 提供指向提示csv和生成图像文件夹的指针，以提取图像特征。
3. 使用提取的特征计算指标，包括精度、召回率、覆盖度和密度。
4. 根据需要更新特征文件的路径。
5. 运行计算指标的脚本，包括平衡参考数据集。
6. 分析生成的csv文件中的指标结果，以评估模型性能。
