FIDとCLIP Scoreのトレードオフ

生成された画像が実際の画像と似ていることを示す

低いほうが良い

生成された画像が入力テキストと一致していることを示す

高いほうが良い

どちらかを最適化することに集中すると、もう片方のスコアが低下する可能性がある