LayoutGPT 开源项目教程
2024-09-18 03:38:25作者:平淮齐Percy
1. 项目介绍
LayoutGPT 是一个基于大型语言模型(LLMs)的视觉规划和生成工具。它能够从文本输入生成合理的图像布局和室内场景布局,支持从2D图像到3D室内场景的多领域布局生成。LayoutGPT 通过使用样式表语言的上下文视觉演示来增强LLMs的视觉规划能力,能够将复杂的语言概念(如数值和空间关系)转换为布局安排,从而实现忠实的文本到图像生成。
2. 项目快速启动
2.1 安装依赖
首先,确保你已经安装了 conda
。然后,创建一个新的 conda
环境并安装所需的依赖项:
conda create -n layoutgpt python=3.8 -y
pip install -r requirements.txt
2.2 下载预训练模型
为了使用 LayoutGPT 进行图像生成,你需要下载一些预训练模型:
# 下载 GLIGEN 模型
wget https://huggingface.co/gligen/gligen-generation-text-box/resolve/main/diffusion_pytorch_model.bin -O gligen/gligen_checkpoints/checkpoint_generation_text.pth
# 下载 GLIP 模型
cd eval_models/GLIP
python setup.py build develop --user
wget https://github.com/SwinTransformer/storage/releases/download/v1.0.0/swin_large_patch4_window12_384_22k.pth -O MODEL/swin_large_patch4_window12_384_22k.pth
wget https://huggingface.co/GLIPModel/GLIP/resolve/main/glip_large_model.pth -O MODEL/glip_large_model.pth
# 下载 ATISS 模型
cd ATISS
python setup.py build_ext --inplace
pip install -e .
2.3 数据准备
下载并解压 LayoutGPT 所需的 2D 和 3D 数据集:
# 下载 2D 图像布局数据集
wget https://example.com/dataset/NSR-1K.zip -O dataset/NSR-1K.zip
unzip dataset/NSR-1K.zip -d dataset/
# 下载 3D 场景数据集
cd ATISS
wget https://example.com/dataset/3D-FUTURE-model.zip -O 3D-FUTURE-model.zip
wget https://example.com/dataset/data_output.zip -O data_output.zip
unzip 3D-FUTURE-model.zip -d 3D-FUTURE
unzip data_output.zip
2.4 运行 LayoutGPT
生成 2D 图像布局:
python run_layoutgpt_2d.py --icl_type k-similar --K 8 --setting counting --llm_type gpt4 --n_iter 5
生成 3D 室内场景:
python run_layoutgpt_3d.py --dataset_dir /ATISS/data_output --icl_type k-similar --K 8 --room bedroom --llm_type gpt4 --unit px --normalize --regular_floor_plan
3. 应用案例和最佳实践
3.1 2D 图像布局生成
LayoutGPT 可以用于生成各种类型的 2D 图像布局,例如:
- 产品设计:生成产品展示图的布局。
- 网页设计:生成网页的布局结构。
- 广告设计:生成广告图片的布局。
3.2 3D 室内场景生成
LayoutGPT 还可以用于生成 3D 室内场景,例如:
- 家居设计:生成不同风格的家居布局。
- 建筑设计:生成建筑内部的布局设计。
- 游戏场景设计:生成游戏中的室内场景。
4. 典型生态项目
4.1 GLIGEN
GLIGEN 是一个基于文本的图像生成模型,与 LayoutGPT 结合使用可以生成高质量的图像。
4.2 GLIP
GLIP 是一个图像定位模型,用于评估生成的图像布局的准确性。
4.3 ATISS
ATISS 是一个用于生成 3D 室内场景的模型,与 LayoutGPT 结合使用可以生成复杂的 3D 场景。
通过这些生态项目的结合,LayoutGPT 可以在多个领域中发挥重要作用,提供高效、准确的视觉规划和生成解决方案。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551

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
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

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
36
8