BAID

CVPR2023ペーパーの公式リポジトリ：「芸術的なイメージの美的評価に向けて：大規模なデータセットと新しい方法」

データセット

• リポジトリをクローンします

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

• 以下を使用して必要な依存関係をインストールします。

 pip install pandas
pip install tqdm

• 以下を使用してデータセットをダウンロードしてください。

 python downloading_script/download.py

画像はimages/フォルダーに保存されます。

画像をダウンロードするときは遅いため、データセットを取得するための代替手段を提供します。

• Baidu Netdisk：リンク、コード：9y91
• Googleドライブ：近日公開

データセットのグラウンドトゥルースラベルは、 datasetフォルダーにあります。

コード

要件

• Python> = 3.8
• pytorch> = 1.12.0
• TorchVision> = 0.13.0

その他の依存関係は、次のようにインストールできます。

 pip install -r requirements.txt

事前脱出

• Baidデータセットをダウンロードし、画像をimages/フォルダーに配置します
• 以下を使用してデータを前処理します。

 python pretraining_utils/pretrain_mani.py

• 以下を使用してresnet50バックボーンを取得します。

 python pretraining.py

1つのRTX3090では、事前トレーニングプロセス全体が約2日かかります。私たちはドライブで前提条件のウェイトを提供します。

トレーニング

Baidでのトレーニングについては、次のことを使用してください。

 python train.py

チェックポイントは、 checkpoint/SAANフォルダーに保存されます。

テスト

BAIDでテストするには、ドライブから事前に守られたウェイトをダウンロードするには、チェックポイントをcheckpoint/BAIDに配置します

次に使用してください：

 python test.py

ライセンス

データセットは、CC by-nc-nd 4.0に基づいてライセンスされています

了承

Pytorch-AdainおよびNon-Local_pytorchから借りたコード。

引用

あなたが私たちの作品が役立つと思うなら、私たちの仕事を次のように引用してください

 @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 }
}