import gradio as gr

def dummy_segmentation(image):
    return image, "Aperçu de l'image segmentée"

# Définition de l'interface
titre = "Analyseur d'Inclusivité de Mode"
description = "Analysez et recommandez des styles basés sur le type de corps et l'ethnicité à l'aide de la segmentation d'image."

custom_css = """
body {
    font-family: Arial, sans-serif;
    background-color: #f0f0f0;
    color: #333;
}
.gradio-container {
    max-width: 800px;
    margin: auto;
    padding: 2rem;
    background: white;
    border-radius: 10px;
    box-shadow: 0 2px 10px rgba(0, 0, 0, 0.1);
}
.gr-button {
    background-color: #007BFF;
    color: white;
    border: none;
    padding: 10px 20px;
    text-align: center;
    font-size: 16px;
    margin: 10px 0;
    border-radius: 5px;
    cursor: pointer;
    transition: background-color 0.3s;
}
.gr-button:hover {
    background-color: #0056b3;
}
"""

with gr.Blocks(css=custom_css) as demo:
    gr.Markdown(f"# {titre}")
    gr.Markdown(description)
    
    with gr.Row():
        with gr.Column():
            input_image = gr.Image(label="Télécharger une image", type="pil")

            analyze_button = gr.Button("Analyser")
            
        with gr.Column():
            output_image = gr.Image(label="Image segmentée")
            output_text = gr.Textbox(label="Recommandations")

    # Fonction fictive pour le modèle de segmentation
    analyze_button.click(dummy_segmentation, inputs=input_image, outputs=[output_image, output_text])

    gr.Markdown("## Résultats")
    gr.Markdown("L'image segmentée et les recommandations de style apparaîtront ici.")

demo.launch()