BAID

Repositório Oficial do Artigo CVPR2023: "Rumo Avaliação Estética da Imagem Artística: um conjunto de dados em larga escala e um novo método"

Conjunto de dados

• Clone o repositório

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

• Instale as dependências necessárias usando:

 pip install pandas
pip install tqdm

• Baixe o conjunto de dados usando:

 python downloading_script/download.py

As imagens serão salvas nas images/ pasta.

Como pode ser lento ao baixar as imagens, fornecemos alternativas para obter o conjunto de dados:

• Baidu NetDisk: Link, Code: 9Y91
• Google Drive: em breve

Os rótulos de verdade no conjunto do conjunto de dados podem ser encontrados na pasta dataset .

Código

Requisitos

• Python> = 3.8
• Pytorch> = 1.12.0
• Torchvision> = 0,13.0

Outras dependências podem ser instaladas com:

 pip install -r requirements.txt

Pré -fiel

• Faça o download do conjunto de dados BAID e coloque as imagens nas images/ pasta
• Pré -processo os dados usando:

 python pretraining_utils/pretrain_mani.py

• Pré -TRAIN the Resnet50 Backbone usando:

 python pretraining.py

Todo o processo de pré -treinamento leva cerca de 2 dias em um único RTX3090. Fornecemos nossos pesos pré -ridicularizados na unidade.

Treinamento

Para treinamento no BAID, use:

 python train.py

Os pontos de verificação serão salvados no checkpoint/SAAN .

Teste

Para testes no BAID, faça o download dos pesos pré -tenhados da unidade, coloque o posto de controle no checkpoint/BAID

Em seguida, use:

 python test.py

Licença

O conjunto de dados está licenciado sob CC BY-NC-ND 4.0

Reconhecimento

O código emprestado de Pytorch-Adain e Non-Local_Pytorch.

Citação

Se você achar útil nosso trabalho, cite nosso trabalho 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 }
}