BAID

Repositorio oficial para el documento CVPR2023: "Hacia la evaluación de la estética de la imagen artística: un conjunto de datos a gran escala y un nuevo método"

Conjunto de datos

• Clonar el repositorio

 git clone https://github.com/Dreemurr-T/BAID.git
cd BAID/

• Instale las dependencias necesarias utilizando:

 pip install pandas
pip install tqdm

• Descargue el conjunto de datos usando:

 python downloading_script/download.py

Las imágenes se guardarán en images/ carpeta.

Dado que puede ser lento al descargar las imágenes, proporcionamos alternativas para obtener el conjunto de datos:

• Baidu NetDisk: Enlace, Código: 9Y91
• Google Drive: Próximamente

Las etiquetas de verdad en tierra del conjunto de datos se pueden encontrar en la carpeta dataset .

Código

Requisitos

• Python> = 3.8
• Pytorch> = 1.12.0
• Visación de antorchas> = 0.13.0

Se pueden instalar otras dependencias con:

 pip install -r requirements.txt

Preventiva

• Descargue el conjunto de datos BAID y coloque las imágenes en las images/ carpeta
• Preprocese los datos utilizando:

 python pretraining_utils/pretrain_mani.py

• Pretrave la columna vertebral resnet50 usando:

 python pretraining.py

Todo el proceso de pre -proyectos demora aproximadamente 2 días en un solo RTX3090. Proporcionamos nuestros pesos previos al estado de la transmisión.

Capacitación

Para capacitación en Baid, use:

 python train.py

Los puntos de control se guardarán en la carpeta de checkpoint/SAAN .

Pruebas

Para realizar pruebas en BAID, descargue los pesos previos a la conducción de la unidad, coloque el punto de control en checkpoint/BAID

Entonces usa:

 python test.py

Licencia

El conjunto de datos tiene licencia bajo CC BY-NC-ND 4.0

Reconocimiento

El código tomó prestado de Pytorch-Adain y Non-Local_Pytorch.

Citación

Si encuentra útil nuestro trabajo, cite nuestro trabajo como:

 @InProceedings { Yi_2023_CVPR ,
    author    = { Yi, Ran and Tian, Haoyuan and Gu, Zhihao and Lai, Yu-Kun and Rosin, Paul L. } ,
    title     = { Towards Artistic Image Aesthetics Assessment: A Large-Scale Dataset and a New Method } ,
    booktitle = { Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) } ,
    month     = { June } ,
    year      = { 2023 } ,
    pages     = { 22388-22397 }
}