ltsim

Layout-Bewertung

Aufstellen

Wir nutzen Poesie, um Abhängigkeiten zu verwalten. Installieren Sie Poesie und führen Sie den folgenden Befehl aus, um Abhängigkeiten zu installieren.

 poetry install

Datenaufbereitung

Laden Sie den vorverarbeiteten Datensatz und die generierten Layouts herunter, indem Sie den folgenden Befehl ausführen.

 wget https://github.com/mayu-ot/ltsim/releases/download/v1.0.0-alpha/data.zip
unzip data.zip

Das Datenverzeichnis sollte so aussehen:

 data
├── datasets # post-processed datasets
│   ├── rico25
│   │   ├── test.json
│   │   ├── train.json
│   │   └── val.json
│   └── publaynet
├──fid_feat # pre-extracted features for FID evaluation
├── results_conditional # generated layouts for conditional layout generation
│   ├── publaynet
│   └── rico
└── results_conditional # generated layouts for unconditional layout generation
    ├── publaynet
    └── rico
        ├── partial # generated layouts for layout completion
        └── c # generated layouts for label-conditioned layout generation
            ├── bart
            ├── ...
            └──vqdiffusion

Extraktion von FID-Merkmalen

1. Laden Sie die LayoutDM-Ressourcen herunter und kopieren Sie download/fid_weights/FIDNetV3/rico25-max25/model_best.pth.tar nach $FID_WEIGHT_FILE.
2. Führen Sie den folgenden Befehl aus, um Layout-Features zu extrahieren, um FID im RICO-Datensatz auszuwerten.

 python src/experiments/feature_extraction.py 
  --dataset_type rico25 
  --input_dataset_json $DATASET_JSON 
  --output_feat_file $OUTPUT_FILE_NAME 
  --fid_weight_file $FID_WEIGHT_FILE

Bewerten Sie die bedingte Layoutgenerierung

Laden Sie die generierten Layouts in ./data herunter, indem Sie den Anweisungen folgen. Führen Sie das Skript aus, um Auswertungsergebnisse für RICO zu erhalten. Die Ergebnisse werden in data/results/eval_conditional/rico/result.csv gespeichert

 poetry run python src/experiments/eval_conditional.py rico

Bewerten Sie die bedingungslose Layoutgenerierung

Laden Sie die generierten Layouts in ./data herunter, indem Sie den Anweisungen folgen. Führen Sie das Skript aus, um Auswertungsergebnisse für RICO zu erhalten. Die Ergebnisse werden in $RESULT_FILE gespeichert.

 poetry run python src/experiments/eval_unconditional.py rico $RESULT_FILE

Demo

Führen Sie den folgenden Befehl aus, um eine iteraktive App auszuführen, um die Bewertungsmetriken auszuprobieren.

 streamlit run src/app/measure_explore.py