企业官网建设流程全解析

DriveGen/ ├── configs/ │ └── default.yaml # 训练配置文件 ├── DriveGen/ │ ├── __init__.py # 包初始化 │ ├── models/ │ │ ├── __init__.py │ │ ├── embedding.py # Patch嵌入、时间步编码、位置编码 │ │ ├── attention.py # 空间注意力、时间注意力 │ │ ├── dit_block.py # AdaLN-Zero DiT Block │ │ └── stdit.py # STDiT 完整模型 │ ├── data/ │ │ ├── __init__.py │ │ └── dataset.py # 合成数据集 + nuScenes 适配器 │ ├── schedules/ │ │ ├── __init__.py │ │ └── noise_schedule.py # 线性/余弦噪声调度 │ └── utils/ │ ├── __init__.py │ ├── visualization.py # 视频保存、对比图、损失曲线 │ └── logger.py # 日志工具 ├── train.py # 训练脚本 ├── inference.py # 推理脚本（DDPM 采样 + CFG） ├── evaluate.py # 评估脚本（FID 计算） ├── requirements.txt # 依赖清单 ├── setup.py # 安装配置 └── README.md # 本文件

LQY-hh/DriveGen-Transformer-: 自动驾驶技术的发展离不开海量数据的支撑，但稀有场景（如极端天气、突发事故）的数据采集成本极高。**DriveGen** 旨在通过扩散模型生成高质量的驾驶场景视频，为自动驾驶算法提供无限的虚拟训练数据。 ### 核心价值https://github.com/LQY-hh/DriveGen-Transformer-

DriveGen 评估脚本说明文档

概述

evaluate.py是 DriveGen 项目的视频生成质量评估脚本，主要用于计算生成视频与真实视频之间的FID（Frechet Inception Distance）分数，以量化评估生成模型的性能。

核心功能

评估原理

FID（Frechet Inception Distance）

FID 是衡量生成模型质量的标准指标，其核心思想是：

1. 特征提取：从真实图像和生成图像中提取高维特征

2. 分布建模：假设特征服从多元高斯分布，计算均值和协方差

3. 距离计算：计算两个高斯分布之间的 Frechet 距离

数学公式：

d² = ||μ₁ - μ₂||² + Tr(σ₁ + σ₂ - 2√(σ₁σ₂))

其中：

• μ₁, μ₂：两个分布的均值向量

• σ₁, σ₂：两个分布的协方差矩阵

• Tr：矩阵的迹

代码结构

1. 特征提取器

SimpleFeatureExtractor(evaluate.py#L126-L210)：

一个轻量级 CNN 网络，用于从图像帧中提取 256 维特征向量。

# 网络结构 Conv2d(3, 32) → ReLU → MaxPool → Conv2d(32, 64) → ReLU → MaxPool → Conv2d(64, 128) → AdaptiveAvgPool → Linear(256)

设计说明：

• 输入：(B, 3, H, W)，值域 [0, 1]

• 输出：(B, 256)

• 使用自适应平均池化处理不同尺寸输入

2. FID 计算函数

compute_frechet_distance(evaluate.py#L247-L320)：

计算两个多元高斯分布之间的 Frechet 距离。

关键处理：

• 使用scipy.linalg.sqrtm计算矩阵平方根

• 处理数值不稳定情况（复数结果）

• 确保结果非负

compute_fid(evaluate.py#L346-L378)：

封装完整的 FID 计算流程：

1. 计算真实特征的均值和协方差

2. 计算生成特征的均值和协方差

3. 调用compute_frechet_distance计算距离

3. 特征提取流程

extract_features_from_dataset(evaluate.py#L381-L428)：

从数据集中提取真实视频帧的特征。

extract_features_from_generated(evaluate.py#L431-L503)：

使用模型生成视频并提取特征。

4. 主函数

main(evaluate.py#L506-L648)：

执行完整的评估流程：

加载配置 → 创建组件 → 提取真实特征 → 生成并提取特征 → 计算 FID → 保存结果

使用方法

命令行参数

使用示例

# 基本用法 python evaluate.py --checkpoint checkpoints/best.pth # 指定样本数 python evaluate.py --checkpoint checkpoints/best.pth --num_samples 200 # 指定输出目录和设备 python evaluate.py --checkpoint checkpoints/best.pth --output_dir eval_results/ --device cuda

输出结果

评估完成后，会在输出目录生成evaluation_results.txt文件：

DriveGen 评估结果 ======================================== FID 分数: 12.3456 评估样本数: 100 真实帧数: 400 生成帧数: 400 特征维度: 256 检查点: checkpoints/best.pth 说明: FID (Frechet Inception Distance) 衡量生成分布与真实分布的距离。 值越小越好，0 表示完美匹配。 注意: 此评估使用简化的特征提取器，结果仅供参考。 实际应用中建议使用 InceptionV3 获取更准确的 FID。

关键设计特点

1. 简化特征提取

使用自定义 CNN 而非预训练的 InceptionV3，便于学习和部署，同时保持 FID 计算流程的完整性。

2. 数值稳定性

在compute_frechet_distance中：

• 处理协方差矩阵平方根可能出现的复数问题

• 使用 SVD 分解作为备选方法

• 确保最终结果非负

3. 批处理优化

特征提取采用批处理方式，支持大样本评估，提高计算效率。

4. 结果可追溯

自动保存评估参数和结果，便于实验复现和对比分析。

扩展建议

使用 InceptionV3（推荐）

为获得更准确的 FID 分数，建议使用预训练的 InceptionV3：

from torchvision.models import inception_v3 class InceptionFeatureExtractor(nn.Module): def __init__(self): super().__init__() self.model = inception_v3(pretrained=True, transform_input=False) self.model.fc = nn.Identity() # 移除分类层 def forward(self, x): return self.model(x)

增加更多评估指标

可以扩展支持以下指标：

• IS（Inception Score）：衡量生成样本的多样性和质量

• LPIPS：感知相似度指标

• SSIM/PSNR：像素级相似度指标

注意事项

1. 特征提取器差异：本脚本使用简化的 CNN，与标准 InceptionV3 的 FID 结果不可直接比较

2. 样本数量：FID 计算需要足够的样本数才能稳定，建议至少 100 个样本

3. 计算资源：大规模评估可能需要较长时间和较多显存

4. 结果解读：FID 只是评估指标之一，还需结合主观视觉评估