ltsim

레이아웃 평가

설정

우리는 종속성을 관리하기 위해 시를 사용합니다. 시를 설치하고 다음 명령을 실행하여 종속 항목을 설치합니다.

 poetry install

데이터 준비

다음 명령을 실행하여 사전 처리된 데이터 세트와 생성된 레이아웃을 다운로드합니다.

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

데이터 디렉터리는 다음과 같아야 합니다.

 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

FID 특징 추출

1. LayoutDM 리소스를 다운로드하고 download/fid_weights/FIDNetV3/rico25-max25/model_best.pth.tar $FID_WEIGHT_FILE에 복사합니다.
2. RICO 데이터세트에서 FID를 평가하기 위해 다음 명령을 실행하여 레이아웃 기능을 추출합니다.

 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

조건부 레이아웃 생성 평가

지침에 따라 생성된 레이아웃을 ./data 에 다운로드합니다. RICO에 대한 평가 결과를 얻으려면 스크립트를 실행하세요. 결과는 data/results/eval_conditional/rico/result.csv 에 저장됩니다.

 poetry run python src/experiments/eval_conditional.py rico

무조건적인 레이아웃 생성 평가

지침에 따라 생성된 레이아웃을 ./data 에 다운로드합니다. RICO에 대한 평가 결과를 얻으려면 스크립트를 실행하세요. 결과는 $RESULT_FILE에 저장됩니다.

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

데모

평가 지표를 시험하기 위해 반복적 앱을 실행하려면 다음 명령을 실행합니다.

 streamlit run src/app/measure_explore.py