首页
/ T2I-CompBench 项目使用教程

T2I-CompBench 项目使用教程

2024-08-25 23:14:14作者:戚魁泉Nursing

目录结构及介绍

T2I-CompBench/
├── examples/
│   └── dataset/
│       ├── color_val.txt
│       ├── complex_val.txt
│       ├── non_spatial_val.txt
│       └── spatial_val.txt
├── inference_eval.py
├── LICENSE.txt
├── README.md
└── requirements.txt
  • examples/dataset/: 包含用于测试和评估的数据集文件。
  • inference_eval.py: 项目的主要启动文件,用于执行推理和评估。
  • LICENSE.txt: 项目的许可证文件,采用 MIT 许可证。
  • README.md: 项目的基本介绍和使用说明。
  • requirements.txt: 项目依赖的 Python 包列表。

项目的启动文件介绍

inference_eval.py 是项目的主要启动文件,负责执行推理和评估任务。以下是该文件的基本使用方法:

python inference_eval.py --from_file "examples/dataset/color_val.txt"

该命令将从指定的数据集文件中读取数据并执行推理和评估。

项目的配置文件介绍

项目中没有显式的配置文件,但可以通过命令行参数在 inference_eval.py 中进行配置。例如:

python inference_eval.py --from_file "examples/dataset/color_val.txt"

通过 --from_file 参数指定输入数据文件的路径。

参考文献

如果您在研究或应用中使用 T2I-CompBench,请引用以下 BibTeX:

@article{huang2023t2icompbench,
  title={T2I-CompBench: A Comprehensive Benchmark for Open-world Compositional Text-to-image Generation},
  author={Kaiyi Huang and Kaiyue Sun and Enze Xie and Zhenguo Li and Xihui Liu},
  journal={arXiv preprint arXiv:2307.06350},
  year={2023}
}

许可证

本项目采用 MIT 许可证。详细信息请参阅 LICENSE.txt 文件。

热门项目推荐

项目优选

收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
672
0
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
12
8
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
323
26
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
31
5
easy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
xzs
在线考试系统、考试系统、在线教育考试系统、在线教育、跨平台考试、考试、智能考试、试题、错误试题、考试题目、试题组卷等
HTML
3
1
langgpt
Ai 结构化提示词,人人都能写出高质量提示词,GitHub 开源社区全球趋势热榜前十项目,已被百度、智谱、字节、华为等国内主流大模型智能体平台使用,内容来自国内最具影响力的高质量提示词工程师学习交流社群——LangGPT。开源知识库:https://langgptai.feishu.cn/wiki/RXdbwRyASiShtDky381ciwFEnpe
Jupyter Notebook
16
2