UIPress

UIPress 是一个用于 UI-to-Code 生成任务的光学标记压缩数据集，受 DeepSeek-OCR 光学压缩启发。该数据集通过训练轻量 Conv 压缩模块，将约 6700 个视觉标记压缩到 256 个，旨在与 VisionZip、EfficientUICoder 等推理时方法进行公平对比。数据集支持四种压缩方法，包括分辨率缩放（Baseline）、VisionZip（Token 选择）、EfficientUICoder 策略（元素引导选择）和 UIPress 光学压缩（编码端压缩）。训练阶段需要 6×A40 GPU 进行分布式数据并行训练，耗时约 8-16 小时；评估阶段（全量 485）需要 6×A40 GPU 并行处理，耗时约 3-4 小时；CLIP 评分阶段需要 1×A40 GPU，耗时约 2 小时。

原始信息汇总

UIPress 数据集概述

数据集简介

• 数据集名称: UIPress: Optical Token Compression for UI-to-Code Generation
• 核心目标: 受 DeepSeek-OCR 光学压缩启发，在 Qwen3-VL-8B 模型内部训练轻量级卷积压缩模块，旨在将约 6700 个视觉令牌压缩至 256 个，并与 VisionZip、EfficientUICoder 等推理时方法进行公平对比。

快速开始指南

• 详细步骤: 请参阅 START_HERE.md 文件。
• 环境设置:
  • 创建并激活 Conda 环境：conda create -n uipress python=3.11 -y && conda activate uipress
  • 安装依赖：pip install -r requirements.txt && playwright install chromium
• 训练与评估:
  • 冒烟测试（单卡）: CUDA_VISIBLE_DEVICES=0 python scripts/train_compressor.py --max_samples 20 --epochs 1 --batch_size 1 --grad_accum 1
  • 正式训练（6卡）: torchrun --nproc_per_node=6 scripts/train_compressor.py --max_samples 50000 --epochs 5
  • 评估: ./scripts/run_all_evals.sh 485

压缩方法对比

方法	类型	需训练	评估脚本
分辨率缩放	Baseline	否	eval_all.py --method resolution
VisionZip	Token 选择	否	eval_all.py --method visionzip
EfficientUICoder 策略	元素引导选择	否	eval_all.py --method efficientui
UIPress 光学压缩	编码端压缩	是	eval_all.py --method uipress

硬件需求与时间估算

阶段	GPU 配置	预估时间
训练	6×A40 DDP	8-16 小时
评估（全量 485）	6×A40 并行	3-4 小时
CLIP 评分	1×A40	2 小时