EVI-020
Evidence
无条件合成表：LDM 对 GAN/扩散基线的 FID/Precision/Recall（支撑 CLM-020）。
| id | |
|---|---|
| updated | |
| type | evidence |
| claims | CLM-020 |
| source | PPR-2112.10752 |
| observation | 无条件图像合成表（256²，CelebA-HQ / FFHQ / LSUN-Churches / LSUN-Bedrooms：FID↓ + Precision↑ + Recall↑，LDM vs VQGAN/PGGAN/LSGM/UDM/StyleGAN/StyleGAN2/ProjectedGAN/ADM/DDPM/ImageBART 等）+ §4.2 Image Generation with Latent Diffusion |
| method | 无条件生成，256×256；FID（↓）、Precision（↑）、Recall（↑）（ADM TF evaluation suite）；DDIM 采样（CelebA-HQ 500 步、FFHQ/LSUN 200 步等）；对比 GAN（StyleGAN/StyleGAN2/ProjectedGAN/PGGAN）与 likelihood-based（VQGAN+T/ImageBART/DDPM/UDM/LSGM/ADM）。 |
| scope | 256²; CelebA-HQ（SOTA 论断所在）/ FFHQ / LSUN-Churches / LSUN-Bedrooms |
Result
FID↓ + Precision↑ + Recall↑（256²）：
- CelebA-HQ：VQGAN+T 10.2；PGGAN 8.0；LSGM 7.22；UDM 7.16（prec/recall 未列）。LDM-4（500 步）：FID 5.11，Precision 0.72，Recall 0.49。 → 5.11 低于全部所列对比（最接近的 UDM 7.16 也差 2.05），是 CelebA-HQ 上的新 SOTA。
- FFHQ：StyleGAN 4.16（0.71/0.46）；ProjectedGAN 3.08（0.65/0.46）。LDM-4（200 步）：4.98，Precision 0.73，Recall 0.50（P/R 反超 StyleGAN/ProjectedGAN，FID 略高）。
- LSUN-Churches：StyleGAN 4.21；StyleGAN2 3.86；ProjectedGAN 1.59（0.61/0.44）。LDM-8（200 步）：4.02，Precision 0.64，Recall 0.52（FID 与 StyleGAN2 相当，Recall 更高）。
- LSUN-Bedrooms：StyleGAN2 2.35（0.59/0.48）；ADM 1.90（0.66/0.51）；ProjectedGAN 1.52（0.61/0.34）。LDM-4（200 步）：2.95，Precision 0.66，Recall 0.48 → 接近 ADM（差 1.05），且 Precision 0.66 与 ADM 持平、Recall 0.48 略低；LDM-4 参数量为 ADM 约一半、训练资源少 4 倍。
Caveats
SOTA 措辞严格限于 CelebA-HQ（5.11 低于全表所列 GAN 与 likelihood-based 基线）；FFHQ/LSUN 上 LDM 并非 FID 最低——FFHQ 的 ProjectedGAN 3.08、LSUN-Bedrooms 的 ADM 1.90/ProjectedGAN 1.52 都低于 LDM（4.98/2.95）。“outperform GAN in Precision and Recall” 是逐数据集成立的（FFHQ 0.73/0.50、LSUN-Bedrooms 0.66/0.48 均 ≥ 对应 GAN），但 Bedrooms 的 Recall 0.48 低于 ADM 0.51——ADM 是 likelihood-based 而非 GAN，故“优于 GAN”的论断不受 ADM 拖累，但若把 ADM 也算进“likelihood 对手”则 LDM 的 Recall 并不占优。5.11 的 prec/recall（0.72/0.49）为同口径 500 步测得，与 200 步的 FFHQ/LSUN 数字不可比步数。
关联（15）
- PPR-2112.10752 High-Resolution Image Synthesis with Latent Diffusion Models
- BMK-005 CelebA-HQ unconditional generation (256×256)
- 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。
- VER-020 无条件合成核验：CelebA-HQ 5.11 SOTA、FFHQ 4.98、LSUN-Bedrooms 2.95 vs ADM 1.90 与无条件表一致，SOTA 限 CelebA-HQ、P/R 逐数据集。supported。
- EVI-013 co-source §1/§2.3/§2.4：感知/语义两段分解的论述与公式（支撑 CLM-013）。
- EVI-014 co-source Tab.13 compute_vs_fid + 主表：LDM-4-G 271 vs ADM 916 V100-day、0.4 vs 0.12 samples/s、FID 3.60/3.95 vs 10.94（支撑 CLM-014）。
- EVI-015 co-source Tab.423 firststage：matched 重建指标对比 VQGAN/DALL·E（支撑 CLM-015）。
- EVI-016 co-source §4.1 + Fig. cin_traincourse/speedplot：f 消融的训练/采样曲线（支撑 CLM-016）。
- EVI-017 co-source §2.5 + §4.3–4.5：cross-attention 条件机制与多模态应用（支撑 CLM-017）。
- EVI-018 co-source 主文 T2I 表 + ImageNet 主表：CFG 的推理期质量增益（支撑 CLM-018）。
- EVI-019 co-source 主文 T2I 对比表 + §4.3.1：1.45B 文本条件 LDM 对比 AR/diffusion（支撑 CLM-018 第二子命题）。
- EVI-021 co-source §4.3.2 + 大图样例：越分辨率泛化到 ~1024²/兆像素（支撑 CLM-021）。
- EVI-022 co-source §4.4/4.5 + Tab. srtable/inpainting：SR 与 inpainting 的高质高效结果（支撑 CLM-022）。
- EVI-023 co-source §10 Limitations + Fig. firststagecomparison：AE 重建瓶颈与迭代采样局限（支撑 CLM-023）。