Update app.py

app.py

@@ -1,45 +1,62 @@
 import gradio as gr
+from PIL import Image
 import torch
 from torchvision import transforms
-from PIL import Image
-from fashion_gan import FashionGAN  # Reemplaza esto con la clase o el modelo real de FashionGAN
 
-# Cargar el modelo preentrenado
-fashion_gan_model = FashionGAN()
-fashion_gan_model.load_state_dict(torch.load("fashion_gan_pretrained.pth"))  # Cargar el modelo preentrenado
+# Aquí deberías importar tu modelo real
+# Este es un ejemplo genérico
+class DummyFashionGAN(torch.nn.Module):
+    def forward(self, person, clothes):
+        # Este es solo un dummy para no lanzar errores
+        return person
+
+# Cargar modelo (usa tu modelo real aquí)
+model = DummyFashionGAN()
+model.eval()
 
-# Definir la transformación de imágenes
+# 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
+    transforms.ToTensor()
 ])
 
-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')
-    
-    # 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_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
+# Función principal con depuración
+def tryon(person_img, clothes_img):
+    try:
+        print("📤 Iniciando procesamiento de imágenes...")
+
+        person = transform(person_img).unsqueeze(0)
+        clothes = transform(clothes_img).unsqueeze(0)
+
+        print("✅ Imágenes cargadas y transformadas.")
+
+        with torch.no_grad():
+            output = model(person, clothes)
+
+        print("🎯 Generación de imagen completada.")
+
+        result = transforms.ToPILImage()(output.squeeze(0).clamp(0, 1))
+        return result
+
+    except Exception as e:
+        print("❌ Error durante el procesamiento:", str(e))
+        # Devolver una imagen roja como error
+        return Image.new("RGB", (256, 256), color="red")
+
+# Interfaz de Gradio
+demo = gr.Interface(
+    fn=tryon,
+    inputs=[
+        gr.Image(label="👤 Tu maniquí o imagen de cuerpo", type="pil"),
+        gr.Image(label="👕 Imagen de la prenda", type="pil")
+    ],
+    outputs=gr.Image(label="🪄 Resultado: Prueba virtual"),
+    title="👗 Probador Virtual AI",
+    description="Sube una imagen tuya (o maniquí) y una prenda para probarla virtualmente. Esta es una demo."
 )
 
-# Iniciar la aplicación
-iface.launch()
+# Lanzar app
+if __name__ == "__main__":
+    demo.launch()