معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

ArtFID: Quantitative Evaluation of Neural Style Transfer

ویژگی	مقدار
سیستم عامل	-
نام فایل	art-fid-0.0.1
نام	art-fid
نسخه کتابخانه	0.0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Matthias Wright
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/matthias-wright/art-fid
آدرس اینترنتی	https://pypi.org/project/art-fid/
مجوز	Apache License 2.0

# ArtFID: Quantitative Evaluation of Neural Style Transfer (GCPR Oral 2022) [**ArtFID: Quantitative Evaluation of Neural Style Transfer**](https://arxiv.org/abs/2207.12280)<br> [Matthias Wright](http://www.matthias-wright.com/) and [Björn Ommer](https://hci.iwr.uni-heidelberg.de/people/bommer).<br> ## Installation ```sh > pip install art-fid ``` ## Usage ```sh CUDA_VISIBLE_DEVICES=0 python -m art_fid --style_images path/to/style-images --content_images path/to/content-images --stylized_images path/to/stylized-images ``` The content images and the corresponding stylized images are compared in pairs. In order to ensure that a content image is matched up with the correct stylized image, both the content images and the stylized images are processed in lexicographical order. A simple way of pairing the content images and the stylized images is to use the name of content image for the corresponding stylized image. ### Arguments `--batch_size` - Batch size for computing activations. `--num_workers` - Number of threads used for data loading. `--mode` - Evaluate ArtFID or ArtFID_infinity, choices = ['art_fid', 'art_fid_inf']. `--content_metric` - Content metric, choices = ['lpips', 'vgg', 'alexnet']. `--device` - Device to use, choices = ['cuda', 'cpu']. `--style_images` - Path to style images. `--content_images` - Path to content images. `--stylized_images` - Path to stylized images. ## Data The dataset is contained in [artfid_dataset.csv](https://raw.githubusercontent.com/matthias-wright/art-fid/main/artfid_dataset.csv). It consists of 250k labeled artworks. ## Acknowledgments * The implementation of the FID is based on [mseitzer/pytorch-fid](https://github.com/mseitzer/pytorch-fid). * The implementation of the FID_infinity is taken from [mchong6/FID_IS_infinity](https://github.com/mchong6/FID_IS_infinity). * The implementation of the Inception network is taken from [pytorch/vision](https://github.com/pytorch/vision/blob/main/torchvision/models/inception.py). * The checkpoint is hosted on the [Huggingface Model Hub](https://huggingface.co/docs/hub/models-the-hub). ## Citation ``` @article{wright_gcpr_2022, title={ArtFID: Quantitative Evaluation of Neural Style Transfer}, author={Matthias Wright and Bj{\"o}rn Ommer}, journal={GCPR}, year={2022} } ```

نیازمندی

مقدار	نام
>=1.19.5	numpy
>=7.1.2	Pillow
>=4.60.0	tqdm
-	sklearn
-	torch
-	lpips
>=0.9.0	torchvision
-	scipy
==2.24.0	requests

زبان مورد نیاز

مقدار	نام
>=3.8	Python

نحوه نصب

نصب پکیج whl art-fid-0.0.1:

pip install art-fid-0.0.1.whl

نصب پکیج tar.gz art-fid-0.0.1:

pip install art-fid-0.0.1.tar.gz