생성 모델의 품질 및 다양성을 평가하는 생성 모델 평가 장치에 있어서,입력 데이터를 수치화된 특징 벡터로 변환하는 특징 임베딩부;상기 특징 벡터에 기초하여 데이터 분포를 추정하는 확률 분포 추정부;컨피던스 밴드를 추정하는 컨피던스 밴드 추정부; 및TopP 및 TopR에 기초하여 생성 모델을 평가하는 평가부를 포함하고,상기 평가부는,품질(Fidelity) 및 다양성(Diversity) 측면에서 위상적이면서도 통계적으로 생성 모델을 평가하는,생성 모델 평가 장치.

제1항에 있어서,상기 확률 분포 추정부는,토폴로지컬 데이터 분석(Topological Data Analysis)의 지속적 호몰로지(persistent homology)를 기반으로 데이터의 실제 신호(real signal)만을 이용하여 상기 데이터 분포를 추정하는,생성 모델 평가 장치.

제1항에 있어서,상기 컨피던스 밴드 추정부는,아웃라이어, IID Perturbation, 및 Non-IID Perturbation 중 적어도 하나를 포함하는 노이즈가 포함된 이미지 데이터셋의 분포를 근사할 때, 새롭게 정의한 신뢰 구간에 기초하여 노이즈 시그널(noisy signal)에 대해 강건한 상기 데이터 분포를 추정하는,생성 모델 평가 장치.

제1항에 있어서,상기 평가부는,추정된 데이터 분포에 기초하여 이미지의 품질 및 다양성을 평가하고,복수의 임베딩 공간(embedding space)에서 일관적인 평가를 제시하는 평가 매트릭을 제공하는,생성 모델 평가 장치.

제1항에 있어서,상기 평가부는,IS 및 FID 중 적어도 하나를 포함하는 단일 평가 점수를 통해 상기 생성 모델의 성능에 기초하여 상기 생성 모델의 순위를 평가하는,생성 모델 평가 장치.

생성 모델의 품질 및 다양성을 평가하는 생성 모델 평가 방법에 있어서,입력 데이터를 수치화된 특징 벡터로 변환하는 동작;상기 특징 벡터에 기초하여 데이터 분포를 추정하는 동작;컨피던스 밴드를 추정하는 동작; 및TopP 및 TopR에 기초하여 생성 모델을 평가하는 동작을 포함하고,상기 생성 모델을 평가하는 동작은,품질(Fidelity) 및 다양성(Diversity) 측면에서 위상적이면서도 통계적으로 생성 모델을 평가하는,생성 모델 평가 방법.

제6항에 있어서,상기 특징 벡터에 기초하여 데이터 분포를 추정하는 동작은,토폴로지컬 데이터 분석(Topological Data Analysis)의 지속적 호몰로지(persistent homology)를 기반으로 데이터의 실제 신호(real signal)만을 이용하여 상기 데이터 분포를 추정하는,생성 모델 평가 방법.

제6항에 있어서,상기 컨피던스 밴드를 추정하는 동작은,아웃라이어, IID Perturbation, 및 Non-IID Perturbation 중 적어도 하나를 포함하는 노이즈가 포함된 이미지 데이터셋의 분포를 근사할 때, 새롭게 정의한 신뢰 구간에 기초하여 노이즈 시그널(noisy signal)에 대해 강건한 상기 데이터 분포를 추정하는,생성 모델 평가 방법.

제6항에 있어서,상기 생성 모델을 평가하는 동작은,추정된 데이터 분포에 기초하여 이미지의 품질 및 다양성을 평가하고,복수의 임베딩 공간(embedding space)에서 일관적인 평가를 제시하는 평가 매트릭을 제공하는,생성 모델 평가 방법.

제6항에 있어서,상기 생성 모델을 평가하는 동작은,IS 및 FID 중 적어도 하나를 포함하는 단일 평가 점수를 통해 상기 생성 모델의 성능에 기초하여 상기 생성 모델의 순위를 평가하는,생성 모델 평가 방법.