合成画像のクラス内多様性と品質の評価（生物医療・非生物医療環境における評価） — Assessing Intra-class Diversity and Quality of Synthetically Generated Images in a Biomedical and Non-biomedical Setting

田中専務

拓海先生、最近部下からGANという言葉が飛び交っておりまして、会議で焦っております。要するに我々の工場でも使える話でしょうか。

AIメンター拓海

素晴らしい着眼点ですね！大丈夫、一緒に整理すれば必ずわかりますよ。今日は合成画像の多様性と品質をどう評価するかに関する論文を平易に説明しますよ。

田中専務

まず基本を教えてください。合成画像って品質と多様性が何で重要になるのですか。

AIメンター拓海

いい質問です。結論を先に言うと三点です。合成画像が現実のデータ分布に近いか、内部で多様な特徴を持っているか、そして本番のタスクで有益かを確かめることが重要ですよ。

田中専務

これって要するに、作った画像が『見た目が良い』だけでなく『種類が偏ってないか』も見る必要があるということですか。

AIメンター拓海

その通りですよ。簡潔に言うと『質（Quality）』『多様性（Diversity）』『実用性（Usefulness）』の三点を評価します。今日は具体的な指標と実験の違いを分かりやすく説明しますよ。

田中専務

我々の業務に置き換えると、例えば製品写真の合成を増やすときに偏った画像ばかり作られると意味が無くなる、ということですね。

AIメンター拓海

その通りです。ここで使われる代表的な指標は三つ、Multi-scale Structural Similarity Index Measure (MS-SSIM)（マルチスケール構造類似度指標）、Cosine Distance (CD)（コサイン距離）、Frechet Inception Distance (FID)（フレーシェ距離）です。指標ごとの意味合いを順に説明しますよ。

田中専務

よくわかりました。最後にもう一度、要点を私の言葉で言いますと、合成画像は『見た目の良さ』と『種類の幅』と『実業務で役立つか』を同時に確認しないと意味がない、ということですね。