BAID

CVPR2023论文的官方存储库：“迈向艺术形象美学评估：大规模数据集和一种新方法”

数据集

• 克隆存储库

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

• 使用以下方式安装必要的依赖项

 pip install pandas
pip install tqdm

• 使用以下方式下载数据集：

 python downloading_script/download.py

图像将保存到images/文件夹中。

由于下载图像时可能会很慢，因此我们提供了获取数据集的替代方案：

• Baidu NetDisk：链接，代码：9Y91
• Google Drive：即将推出

数据集的地面标签可以在dataset文件夹中找到。

代码

要求

• python> = 3.8
• pytorch> = 1.12.0
• 火炬> = 0.13.0

可以安装其他依赖项：

 pip install -r requirements.txt

预处理

• 下载BAID数据集并将图像放在images/文件夹中
• 使用：

 python pretraining_utils/pretrain_mani.py

• 使用：

 python pretraining.py

在单个RTX3090上，整个训练过程大约需要2天。我们在开车时提供预告片的重量。

训练

用于BAID培训，请使用：

 python train.py

检查点将保存到checkpoint/SAAN文件夹。

测试

要在BAID上进行测试，请从Drive下载预处理的权重，将检查站放入checkpoint/BAID中

然后使用：

 python test.py

执照

该数据集是根据CC BY-NC-ND 4.0许可的

致谢

该代码从pytorch-adain和non-local_pytorch借来。

引用

如果您发现我们的作品有用，请将我们的作品引用为：

 @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 }
}