eungyukm/nima_finetuned

🎨 NIMA Regression (Finetuned)

이 모델은 ResNet18을 기반으로 한 NIMA 구조를 사용하여,
eungyukm/image-manual-label 데이터셋으로 직접 수동 평가한 이미지 점수를 학습한 회귀 모델입니다.

• 입력: RGB 이미지 (224x224)
• 출력: 예측된 미적 점수 (float, 1.0 ~ 10.0)
• 목적: 이미지의 aesthetic quality 평가

---

🚀 사용법 (Hugging Face에서 바로 다운로드하여 추론)

import torch
import torch.nn as nn
from torchvision import transforms
from torchvision.models import resnet18
from PIL import Image
from huggingface_hub import hf_hub_download

# 1. 모델 정의
class NIMARegression(nn.Module):
    def __init__(self):
        super().__init__()
        self.base_model = resnet18(weights="IMAGENET1K_V1")
        self.base_model.fc = nn.Identity()
        self.head = nn.Sequential(
            nn.Linear(512, 256),
            nn.ReLU(),
            nn.Dropout(0.5),
            nn.Linear(256, 1)
        )
    def forward(self, x):
        x = self.base_model(x)
        return self.head(x).squeeze(1)

# 2. 모델 가중치 다운로드 (Hugging Face에서)
model_path = hf_hub_download(
    repo_id="eungyukm/nima_finetuned",
    filename="nima_finetuned.pth"
)

# 3. 이미지 불러오기 및 전처리
image = Image.open("example.jpg").convert("RGB")
transform = transforms.Compose([
    transforms.Resize((224, 224)),
    transforms.ToTensor(),
    transforms.Normalize([0.485, 0.456, 0.406],
                         [0.229, 0.224, 0.225])
])
input_tensor = transform(image).unsqueeze(0)

# 4. 모델 로드 및 추론
model = NIMARegression()
model.load_state_dict(torch.load(model_path, map_location="cpu"))
model.eval()

with torch.no_grad():
    score = model(input_tensor).item()

print(f"예측된 미적 점수: {score:.2f}")