这份研究介绍了一种名为 FD-loss 的新型视觉生成模型训练方法，旨在直接优化长期以来仅被视作评估指标的 Fréchet 距离（FD）。作者通过解耦 FD 估计所需的样本总量与梯度计算的批次大小，克服了在大规模数据上直接优化该指标的计算瓶颈。实验表明，这种方法能显著提升现有生成器的图像质量，甚至可以将多步生成模型转化为高效的单步生成器，且无需复杂的对抗训练或知识蒸馏。此外，研究指出传统的 FID 指标在衡量视觉质量方面存在局限性，并据此提出了涵盖多表征空间的更全面评估指标 FDrk。通过将评估指标转化为训练目标，该工作为生成模型的优化和性能诊断提供了全新的视角。