图像填充Places子集

# Places2 Sub-Dataset for Finetune Example

## 数据集描述
Places2 数据库，用于训练测inpainting模型

### 数据集格式
```
Places/
*/*/- *.jpg
```

## 数据集评估
采用[LaMa图像填充模型](https://www.modelscope.cn/models/damo/cv_fft_inpainting_lama/summary)进行finetune, FID结果约为30-80之间；

注：由于此数据仅为example数据，而FID计算的稳定性需要大量eval数据，故此处得到的结果会波动一些，不影响使用；可以参考数据存放，自定义加入新数据即可。

- 代码示例(采用源码安装的code示例)

```python
python -m unittest tests/trainers/test_image_inpainting_trainer.py
```

## 数据来源
```BibTeX
@article{zhou2016places,
title={Places: An image database for deep scene understanding},
author={Zhou, Bolei and Khosla, Aditya and Lapedriza, Agata and Torralba, Antonio and Oliva, Aude},
journal={arXiv preprint arXiv:1610.02055},
year={2016}
}
```

### Clone with HTTP
* http://www.modelscope.cn/datasets/modelscope/PlacesToydataset.git

# 用于微调示例的Places2子数据集

## 数据集描述
Places2 数据库，用于训练图像修复（inpainting）模型

### 数据集格式

Places/
*/*/- *.jpg

## 数据集评估
采用[LaMa图像填充模型](https://www.modelscope.cn/models/damo/cv_fft_inpainting_lama/summary)进行微调，弗雷歇特初始距离（Fréchet Inception Distance，FID）结果约处于30至80区间；

注：由于本数据集仅为示例数据，且FID计算的稳定性依赖于大规模评估数据，因此本次得到的结果存在一定波动，不影响实际使用；用户可参考该数据集的存储格式，自定义添加新数据。

- 代码示例（基于源码安装的代码示例）

python
python -m unittest tests/trainers/test_image_inpainting_trainer.py

## 数据来源
BibTeX
@article{zhou2016places,
title={Places：面向深度场景理解的图像数据库},
author={Zhou, Bolei and Khosla, Aditya and Lapedriza, Agata and Torralba, Antonio and Oliva, Aude},
journal={arXiv预印本 arXiv:1610.02055},
year={2016}
}

### 通过HTTP克隆
* http://www.modelscope.cn/datasets/modelscope/PlacesToydataset.git

搜集汇总

背景与挑战

背景概述

该数据集是Places2数据库的子集，专门用于图像修复模型的训练和微调，包含JPG格式的图像文件。通过LaMa模型进行微调后，其FID评估结果通常在30-80范围内，但数据为示例性质，结果可能存在波动。