# Flame **Repository Path**: abdusalam3333/Flame ## Basic Information - **Project Name**: Flame - **Description**: No description available - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-04-10 - **Last Updated**: 2025-04-10 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README

Flame: 一个基于数据合成提升多模态大模型前端开发能力的解决方案

Datasets&Models

English | 中文

- [介绍](#介绍) - [特性](#特性) - [安装](#安装) - [使用](#使用) - [数据集](#数据集) - [模型](#模型) - [贡献](#贡献) - [许可证](#许可证) - [致谢](#致谢) ## 介绍 尽管像GPT-4O这样前沿的多模态模型在代码生成上展现了强大的能力,但它们在真实的前端开发场景中仍无法满足现代前端工作流程的动态需求。这些模型的生成能力虽强,但输出的前端代码通常是静态的,缺乏模块化、可重用性和动态行为等关键特性,而这些特性对于构建可扩展、交互式的用户界面至关重要。因此,这种生成的代码往往低效且不符合最佳开发实践。 为提升多模态模型在生成依赖特定前端框架代码方面的能力,我们提出了一套解决方案,包含数据合成管线、模型训练及评估套件。基于该方案,我们构建了Flame模型,可根据图文信息生成特定框架的前端代码。具体来说: [数据合成] 最关键的挑战在于构建高质量的图-文(代码)数据。我们提出的智能体工作流驱动的数据合成管线能够提取、渲染并注释自包含的前端代码片段。该管线确保了生成的大规模、多样化且高保真的数据集,支持单图像和多图像输入,并提供详细的图像描述(可用于视觉思维推理开发)。我们的数据合成方法包括三种策略:基于进化思想的合成、基于瀑布流模型的合成以及基于增量式开发思想的合成,过程中通过DeepSeek API接入DeepSeek V2和V3模型进行数据构建,生成的图文(代码)数据将全部开源。 [模型训练] 我们通过两层MLP将Siglip图像编码器与Deepseek的代码模型连接,构建Flame模型,并采用三阶段训练策略。第一阶段预热两层连接器(使用公开的图文数据);第二阶段训练图像编码器及连接器(使用我们合成的数据);第三阶段进行SFT,训练所有参数(同样使用合成数据)。我们发现,在针对特定场景的数据下,这种训练方案表现出更好的效果。 [评估套件] 为确保生成代码符合实际开发标准,我们构建了一个全面的评估套件,评估生成代码的三个关键因素:语法精确性、功能正确性和视觉一致性。该评估方法将为未来的多模态模型代码生成能力提供可靠的测评标准。 目前,该框架针对基于React的开发进行了设计和优化,利用其组件化架构生成结构化、可重用的UI组件。该方法和管道具有高度可扩展性,只需进行少量修改即可适应其他前端框架,如Vue和Angular。 我们公开了构建Flame数据准备管线、模型训练过程和评估套件的完整实现,旨在推动多模态前端代码生成技术的发展。 注:Flame只关注React代码生成,非通用VLM。 ## 特性 ![image not found](./assets/data-pipeline-augmentation.png) - 全面的数据准备管道:仓库包含使用三种不同数据合成方法提取、合成和结构化多模态数据集的脚本和工具: - 基于进化的合成 - 基于瀑布模型的合成 - 增量开发合成 - 端到端训练管道:实现了 Flame 的三阶段训练策略,包括: - 使用公共数据集进行视觉编码器预训练 - 使用合成数据集进行图像布局解释训练 - 完整的指令调优,用于图像到代码生成 - React 代码生成的评估管道:仓库提供了: - Flame-React-Eval 基准测试数据集 - 用于功能正确性和视觉保真度评估的自动化测试脚本 - 使用渲染输出的余弦相似度实现 pass@k 评估指标 - 支持多图像输入:模型和管道通过处理多个版本的设计稿并相应地更新生成的代码,实现迭代式 UI 优化。 本仓库提供了所有必要的脚本、模型和评估工具,以重现我们的实验并扩展 Flame 以进行多模态前端代码生成的进一步研究。 ## 安装 按照以下步骤进行安装: 1. 克隆仓库: ```sh git clone ``` 2. 进入项目目录: ```sh cd Flame ``` 3. 创建 conda 环境: ```sh conda env create -f environment.yml conda activate flame ``` 4. 安装 node 依赖: ```sh npm install ``` ## 使用 ### 数据准备 数据准备管道包含 3 个主要步骤: #### 1. 生成自包含的组件代码片段 要从 GitHub 上的仓库生成自包含的组件代码片段,可以运行以下命令: ```sh bash scripts/collect_gh_code_run.sh ``` 在 collect_gh_code.sh 脚本中,有三个步骤分别用于收集仓库、提取组件和提取代码中使用的图像。您可以根据需要在脚本中指定参数: ```sh echo "步骤 1: 收集仓库..." python3 -B data_collect/repo_collector/collect_info.py \ --language '目标语言' \ --start_date '目标开始日期,格式为 "YYYY-MM-DD"' \ --end_date '目标结束日期,格式为 "YYYY-MM-DD"' \ --per_page 'GitHub API 每页克隆的仓库数量' \ --sleep_time '每次请求 GitHub API 之间的休眠时间' \ --star '目标仓库的最小 star 数' \ --time_range '时间范围' \ --kw '关键词' \ --output_repo_path '存储仓库的输出目录' & echo "步骤 2: 收集组件..." python3 -B data_collect/component_collector/distiller/distiller_cls.py \ --threads '线程数' \ --repo_path '下载的仓库目录' \ --output_path '存储生成的自包含组件代码片段的输出目录' & echo "步骤 3: 提取代码中使用的图像..." node data_collect/component_collector/distiller/img_distiller.js \ '下载的仓库目录' \ '下载的仓库的组件代码片段目录' & ``` #### 2. 将代码片段渲染为图像 要将代码片段渲染为图像,首先指定参数: ```sh CODE_DIR='下载的仓库的组件代码片段目录' SCREENSHOT_DIR="存储渲染图像的输出目录" ``` 然后运行以下命令: ```sh bash scripts/renderer_run.sh ``` #### 3. 为代码片段生成指令 要为代码片段生成指令,首先指定参数: ```sh INST_PATH="存储最终多模态数据的输出目录" nohup python -B -u data_collect/component_collector/describer/gen_inst.py \ --screenshot_path '渲染图像的目录' \ --code_path '下载的仓库的组件代码片段目录' \ --inst_path $INST_PATH \ --ori_img_path $INST_PATH/ori_images \ --cropped_img_path $INST_PATH/cropped_images >log/batch_inst.log 2>&1 & ``` 然后运行以下命令: ```sh bash scripts/gen_inst.sh ``` ### 数据合成 要使用基于瀑布模型的方法合成数据,首先在 run_batch_variation_no_code.sh 脚本中指定参数: ```sh nohup python3 -B -u data_collect/component_collector/variater/variation_waterfall_no_code.py \ --iter_num='整个工程过程的迭代次数' \ --max_system_infer='开始时推断的系统数量' \ --screenshot_path='收集的组件代码片段的截图目录' \ --repo_path='收集的仓库目录' \ --variation_path='保存合成代码片段的输出目录'>log/comp_variation_waterfall.log 2>&1 & ``` 然后运行以下命令: ```sh bash scripts/run_batch_variation_no_code.sh ``` 要使用增量开发方法合成数据,首先在 run_batch_variation_with_code.sh 脚本中指定参数: ```sh nohup python3 -B -u data_collect/component_collector/variater/variation_waterfall_with_init_code.py \ --iter_num='整个工程过程的迭代次数' \ --screenshot_path='收集的组件代码片段的截图目录' \ --repo_path='收集的仓库目录' \ --variation_path='保存合成代码片段的输出目录'>log/comp_variation_waterfall_with_init_code.log 2>&1 & ``` 然后运行以下命令: ```sh bash scripts/run_batch_variation_with_code.sh ``` ## 训练 我们通过将Siglip Vision Encoder和deepseek-coder模型与一个两层MLP连接来构建Flame。该仓库(Flame-Code-VLM/model)包含了基于LLaVA-VL/LLaVA-NeXT (https://github.com/LLaVA-VL/LLaVA-NeXT)的修改,LLaVA-VL/LLaVA-NeXT。使用时,只需将原仓库中相应的代码文件替换为本仓库中的代码文件。 ## 评估 要评估模型,首先使用以下命令生成代码: 生成代码后,可以通过首先在 batch_eval_renderer.sh 脚本中指定参数来渲染这些代码并获取截图: ```sh GEN_CODE_DIR="<生成的代码目录>" SCREENSHOT_DIR="<保存截图的目录>" ``` 然后运行以下命令: ```sh bash scripts/batch_eval_renderer_run.sh ``` 最后,通过在 eval_score.sh 中添加模型名称来获取 pass@k 分数: ```sh MODEL_NAMES=("要评估的模型名称") ``` 然后运行: ```sh bash scripts/eval_score_run.sh ``` ## 数据集 我们已经开源了使用我们的数据收集和合成方法构建的数据集,以及用于评估的测试数据集: - Flame-Waterfall-React: - Flame-Additive-React: - Flame-Evo-React: - Flame-Eval-React: ## 模型 - Flame_waterfall_7b: - Llava-qwen2-7b-ov-flamewaterfall: ### 对比研究 以下是一个关于 GPT-4o 和 Flame 生成的代码片段之间的对比研究示例:
GPT Example
Screenshot of the target page (left) and the generated code by GPT-4o (right)
Flame Example
Code generated by Flame including the style code (left), component code (middle), and rendered result (right).
### 案例研究 Flame 生成的代码的测试页面及渲染结果示例 | 测试图像 | 使用 Flame 生成代码渲染的结果 | | --- | --- | | | | | | | | | | ## 贡献 我们欢迎开源社区贡献以改进 Flame 的数据集、模型和评估管道。如果您有兴趣贡献,请按照以下步骤操作: 1. Fork 本仓库 2. 为您的更改创建一个新分支。 3. 提交一个包含修改清晰描述的 pull request。 ## 许可证 Flame 采用 Apache 2.0 许可证发布。有关更多详细信息,请参阅 [LICENSE](LICENSE) 文件。 ## 致谢 本项目受到大型视觉语言模型和自动化前端开发最新进展的启发。我们感谢开源社区以及视觉语言建模和自动化代码生成领域的先前研究的贡献。