Update app.py

app.py

@@ -1,46 +1,45 @@
 import gradio as gr
-import requests
+import torch
+from torchvision import transforms
 from PIL import Image
-import io
+from fashion_gan import FashionGAN  # Reemplaza esto con la clase o el modelo real de FashionGAN
 
-# URL del modelo TryOnGAN (o cualquier otro modelo Hugging Face)
-MODEL_URL = "https://huggingface.co/spaces/akhaliq/TryOnGAN"
+# Cargar el modelo preentrenado
+fashion_gan_model = FashionGAN()
+fashion_gan_model.load_state_dict(torch.load("fashion_gan_pretrained.pth"))  # Cargar el modelo preentrenado
 
-# Función que procesa la imagen usando la API de Hugging Face
-def try_on_clothes(photo, clothing):
-    # Convertir las imágenes a formato adecuado para la solicitud
-    files = {
-        'photo': ('photo.jpg', photo, 'image/jpeg'),
-        'clothing': ('clothing.jpg', clothing, 'image/jpeg')
-    }
+# Definir la transformación de imágenes
+transform = transforms.Compose([
+    transforms.Resize((256, 256)),
+    transforms.ToTensor(),
+    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))  # Normalización
+])
+
+def try_on_virtual_outfit(person_image, outfit_image):
+    # Transformar las imágenes
+    person_image = transform(person_image).unsqueeze(0)
+    outfit_image = transform(outfit_image).unsqueeze(0)
+    
+    # Pasar las imágenes por el modelo
+    generated_image = fashion_gan_model(person_image, outfit_image)  # Esto depende de cómo se implementa FashionGAN
+
+    # Convertir la salida a imagen
+    generated_image = generated_image.squeeze(0).permute(1, 2, 0).detach().numpy()
+    generated_image = (generated_image * 255).astype('uint8')
     
-    try:
-        # Enviar las imágenes al modelo de Hugging Face
-        response = requests.post(MODEL_URL, files=files)
-        
-        if response.status_code == 200:
-            # Suponiendo que la respuesta es una imagen generada (puede variar según el modelo)
-            output_image = Image.open(io.BytesIO(response.content))
-            return output_image
-        else:
-            return "Error al procesar las imágenes, intente nuevamente."
-    except Exception as e:
-        return f"Error: {str(e)}"
+    # Convertir a una imagen PIL
+    generated_image = Image.fromarray(generated_image)
+    return generated_image
 
 # Crear la interfaz de Gradio
 iface = gr.Interface(
-    fn=try_on_clothes,
-    inputs=[
-        gr.Image(type="pil", label="Foto del Maniquí"),
-        gr.Image(type="pil", label="Prenda a Probar")
-    ],
-    outputs=gr.Image(type="pil", label="Resultado del Probador Virtual"),
-    title="Probador Virtual AI",
-    description="Sube una foto de tu maniquí y una prenda para probarla en tiempo real con TryOnGAN."
+    fn=try_on_virtual_outfit,  # Función que procesará las imágenes
+    inputs=[gr.Image(type="pil", label="Imagen del maniquí"), gr.Image(type="pil", label="Imagen de la prenda")],
+    outputs=gr.Image(type="pil", label="Prueba de la prenda virtual"),
+    live=True
 )
 
-# Ejecutar la interfaz
-if __name__ == "__main__":
-    iface.launch()
+# Iniciar la aplicación
+iface.launch()