|
|
--- |
|
|
license: mit |
|
|
language: |
|
|
- fr |
|
|
pipeline_tag: image-to-image |
|
|
datasets: |
|
|
- Clemylia/Mandalas |
|
|
--- |
|
|
# 🎨 Dranina - Votre Coloriage Automatique de Mandalas \! |
|
|
|
|
|
 |
|
|
|
|
|
## 🌟 Aperçu du Modèle |
|
|
|
|
|
Bienvenue dans l'univers de **Dranina**, un modèle de *machine learning* conçu pour transformer instantanément vos dessins de mandalas en noir et blanc en œuvres entièrement colorées \! 🚀 |
|
|
|
|
|
Dranina est un réseau neuronal de type **U-Net**, entraîné sur une collection de paires d'images (mandala non colorié ➡️ mandala colorié) pour apprendre l'art de la colorisation. |
|
|
|
|
|
| Détail | Description | |
|
|
| :--- | :--- | |
|
|
| **Tâche Principale** | Colorisation Image-to-Image (Noir et Blanc ➡️ Couleur) | |
|
|
| **Architecture** | U-Net (PyTorch) | |
|
|
| **Entraîné sur** | Dataset privée (Mandalas variés) | |
|
|
| **Idéal pour** | Les artistes numériques et les développeurs souhaitant intégrer la colorisation automatique. | |
|
|
|
|
|
----- |
|
|
|
|
|
## 💻 Comment Utiliser Dranina (Inférence) |
|
|
|
|
|
Vous pouvez intégrer le modèle Dranina dans vos propres applications ou l'utiliser directement dans un environnement Python (comme Google Colab). |
|
|
|
|
|
### 1\. Prérequis |
|
|
|
|
|
Assurez-vous d'avoir les bibliothèques essentielles pour le chargement du modèle PyTorch et l'accès au Hub Hugging Face : |
|
|
|
|
|
```bash |
|
|
pip install torch torchvision pillow huggingface_hub |
|
|
``` |
|
|
|
|
|
### 2\. Chargement du Modèle |
|
|
|
|
|
Le modèle est stocké sur le Hub sous forme d'un fichier de poids binaire. Vous devez définir la structure U-Net puis charger les poids. |
|
|
|
|
|
```python |
|
|
import torch |
|
|
from torchvision import transforms |
|
|
from PIL import Image |
|
|
from huggingface_hub import hf_hub_download |
|
|
# (Nécessite la définition des classes double_conv, Up, et DraninaUnet) |
|
|
|
|
|
# --- Paramètres --- |
|
|
MODEL_ID = "Clemylia/Dranina-Mandala-Colorizer" |
|
|
MODEL_FILENAME = "pytorch_model.bin" |
|
|
|
|
|
def charger_et_predire(input_image_path): |
|
|
# 1. Téléchargement des poids |
|
|
model_path = hf_hub_download(repo_id=MODEL_ID, filename=MODEL_FILENAME) |
|
|
|
|
|
# 2. Instanciation de l'architecture et chargement des poids |
|
|
# NOTE: Assurez-vous d'avoir défini les classes DraninaUnet, Up, etc. |
|
|
model = DraninaUnet(n_channels=3, n_classes=3) |
|
|
state_dict = torch.load(model_path, map_location=torch.device("cpu")) |
|
|
model.load_state_dict(state_dict) |
|
|
model.eval() # Mode évaluation |
|
|
|
|
|
# 3. Prédiction (Utilisez vos propres fonctions de prédiction ici) |
|
|
# ... (Code de prédiction qui transforme l'image et utilise model(input_tensor)) |
|
|
|
|
|
# Retourne l'image coloriée |
|
|
return image_coloree |
|
|
``` |
|
|
|
|
|
👉 Pour une démonstration interactive, visitez notre [Hugging Face Space](https://www.google.com/search?q=https://huggingface.co/spaces/Clemylia/Dranina-Mandala-App) \! |
|
|
|
|
|
----- |
|
|
|
|
|
## 🚧 Limitations et Points Importants |
|
|
|
|
|
Afin d'obtenir les meilleurs résultats, veuillez tenir compte de ces points : |
|
|
|
|
|
### 1\. Palette de Couleurs Moyenne 🌈 |
|
|
|
|
|
Dranina a été entraîné en utilisant la **L1 Loss** (Erreur Absolue Moyenne). Ce type de fonction de perte a tendance à favoriser des choix de couleurs **"sûres"** ou **moyennes** pour minimiser les erreurs. |
|
|
|
|
|
* **Observation :** Si les mandalas produits vous semblent manquer de saturation ou si la palette de couleurs est répétitive, cela est dû à la nature de la fonction de perte. Le modèle évite les couleurs trop vives ou trop sombres si elles ne sont pas dominantes dans la *dataset* d'entraînement. |
|
|
|
|
|
### 2\. Résolution d'Entrée |
|
|
|
|
|
Le modèle est optimisé pour des images carrées et redimensionne l'entrée à **$256 \\times 256$ pixels** avant l'inférence. Pour une qualité optimale, essayez de fournir des images d'entrée claires, sans bruit, et proches de ce format. |
|
|
|
|
|
----- |
|
|
|
|
|
## 🤝 Contribution et Retour |
|
|
|
|
|
Votre avis est précieux \! Si vous utilisez Dranina, n'hésitez pas à : |
|
|
|
|
|
1. **Signaler les problèmes (Issues)** si vous rencontrez des erreurs techniques. |
|
|
2. **Partager vos résultats** et vos retours sur la qualité de la colorisation. |
|
|
3. **Contribuer** en proposant des améliorations ou en partageant une version améliorée du modèle (par exemple, avec une Perte Perceptuelle) \! |
|
|
|
|
|
Bonne colorisation \! ✨ |
