基准化反事实图像生成

反事实图像生成对于理解变量的因果关系至关重要，应用于可解释性和无偏合成数据的生成。然而，评估图像生成本身就是一个长期存在的挑战。评估反事实生成的需求使这一挑战更加复杂，正因为反事实按定义是没有可观察的真实情况的假设场景。本文提出了一种新的综合框架，旨在对反事实图像生成方法进行基准测试。我们纳入了专注于评估反事实各种方面的指标，如组成、有效性、干预的最小化和图像的现实性。我们评估了基于结构因果模型（SCM）范式的三种不同条件图像生成模型类型的性能。我们的工作附带了一个用户友好的Python包，允许进一步评估和基准测试现有和未来的反事实图像生成方法。我们的框架可扩展到其他SCM和其他因果方法、生成模型和数据集。