Update app.py

app.py

@@ -1236,8 +1236,7 @@ def img_to_image(image, prompt, neg_prompt, strength, steps, guidance_scale,
     
             # CONTROLNET-STÄRKE 
             controlnet_strength = 0.55  #Inpaint kann bei Neugenerierung nicht so viel Kontrolle vertragen   
-          
-             
+                      
             depth_ratio = 0.50     # 35%
             canny_ratio = 0.12     # 10%
 
@@ -1249,32 +1248,36 @@ def img_to_image(image, prompt, neg_prompt, strength, steps, guidance_scale,
     
             # Anpassung für Innenräume (mehr Kantenerhalt)
             if any(keyword in prompt_lower for keyword in interior_keywords):
-                adj_strength = 0.75
-                controlnet_strength = 0.55
-                depth_ratio = 0.55
-                canny_ratio = 0.20
-
+                # Vorherige Formel für exakten Objektschutz
+                adj_strength = 0.2 + (ui_strength * 0.5)
+                controlnet_strength = 0.7 + (ui_strength * 0.2)
+                canny_ratio = 0.8 + (ui_strength * 0.1)
+                depth_ratio = 1.0 - canny_ratio
+        
                 conditioning_scale = [
-                    controlnet_strength * depth_ratio,  # Depth-Gewichtung
-                    controlnet_strength * canny_ratio   # Canny-Gewichtung
+                    controlnet_strength * depth_ratio,
+                    controlnet_strength * canny_ratio
                 ]
-               
-                print("🏠 Innenraum erkannt → Ratio 80:20 (Depth:Canny)")
+        
+                print(f"🏠 INNENRÄUME: UI={ui_strength:.2f}")
+                print(f"   Strength: {adj_strength}, ControlNet: {controlnet_strength}")
+                print(f"   Depth: {depth_ratio*100:.0f}% (Maßstab), Canny: {canny_ratio*100:.0f}%") 
+                print(f"   Conditioning Scale: [{conditioning_scale[0]:.3f}, {conditioning_scale[1]:.3f}]")
                 
     
             # Anpassung für Naturszenen (maximale Flexibilität) - die optimalen UI-Werte: strength:0,72 , steps: 35 , guidance: 9-9,5
             elif any(keyword in prompt_lower for keyword in nature_keywords):
 
                 # 1. DENOISING: Radikaler bei Naturszenen (Wald→Wüste)
-                adj_strength = 0.3 + (ui_strength * 0.5)  # 0.3-0.8
+                adj_strength = 0.3 + (ui_strength * 0.5)  # wie stark das bestehende Bild überschrieben wird im kompletten Denoising-Prozess-also Strukturveränderung
         
                 # 2. CONTROLNET: WENIGER bei Naturszenen (mehr Freiheit)
                 controlnet_strength = 0.3 + (ui_strength * 0.3)  # 0.3-0.6
         
                 # 3. RATIOS: WENIG Canny (Kanten stören bei Naturveränderung)
                 # MEHR Depth (Maßstab/Tiefe erhalten)
-                depth_ratio = 0.8 - (ui_strength * 0.3)  # 0.8-0.5
-                canny_ratio = 1.0 - depth_ratio          # 0.2-0.5
+                depth_ratio = 0.8 - (ui_strength * 0.3)  # Depth-Wert hält Maßstab und Boden (Emi groß, Liege klein - Emi im Meer)
+                canny_ratio = 1.0 - depth_ratio          # erzwingt Kanten - hält dadurch an alter Umgebung fest - schlecht bei Umgebungswechsel
         
                 conditioning_scale = [
                     controlnet_strength * depth_ratio,
@@ -1282,16 +1285,9 @@ def img_to_image(image, prompt, neg_prompt, strength, steps, guidance_scale,
                 ]
         
                 print(f"🌳 NATURSZENE: UI={ui_strength:.2f}")
-                print(f"   Radikaler Hintergrundwechsel möglich")
+                print(f"   Strength: {adj_strength}, ControlNet: {controlnet_strength}")
                 print(f"   Depth: {depth_ratio*100:.0f}% (Maßstab), Canny: {canny_ratio*100:.0f}%")
-
-
-                #bisherige 
-                #adj_strength = 0.75 #wie stark das bestehende Bild überschrieben wird im kompletten Denoising-Prozess-also Strukturveränderung
-                #controlnet_strength = 0.3       
-                #depth_ratio = 0.15 #Depth-Wert hält Maßstab und Boden (Emi groß, Liege klein - Emi im Meer)
-                #canny_ratio = 0.00 #erzwingt Kanten - hält dadurch an alter Umgebung fest - schlecht bei Umgebungswechsel
-
+                print(f"   Conditioning Scale: [{conditioning_scale[0]:.3f}, {conditioning_scale[1]:.3f}]")
            
             else:
                 print("🎯 Standard-Ratio 90:10 (Depth:Canny)")
@@ -1302,10 +1298,10 @@ def img_to_image(image, prompt, neg_prompt, strength, steps, guidance_scale,
                     controlnet_strength * canny_ratio   # Canny-Gewichtung
                 ]
     
-            print(f"🎯 OPTIMIERTER MODUS: Umgebung ändern")
-            print(f"   Strength: {adj_strength}, ControlNet: {controlnet_strength}")
-            print(f"   Depth: {depth_ratio*100}%, Canny: {canny_ratio*100}%")
-            print(f"   Conditioning Scale: [{conditioning_scale[0]:.3f}, {conditioning_scale[1]:.3f}]")
+                print(f"🎯 STANDARD MODUS: Umgebung ändern")
+                print(f"   Strength: {adj_strength}, ControlNet: {controlnet_strength}")
+                print(f"   Depth: {depth_ratio*100}%, Canny: {canny_ratio*100}%")
+                print(f"   Conditioning Scale: [{conditioning_scale[0]:.3f}, {conditioning_scale[1]:.3f}]")
         
                                
         else:  # face_only_change