Update app.py

app.py

@@ -1,13 +1,11 @@
 import gradio as gr
 import torch
 from diffusers import StableDiffusionInpaintPipeline
+from PIL import Image
 
 # ------------------------------------------------------------------------------
 # 1) PIPELINE LADEN
 # ------------------------------------------------------------------------------
-# Modell für Inpainting: runwayml/stable-diffusion-inpainting
-# Läuft standardmäßig auf CPU (langsam, aber kostenlos).
-# Wenn eine GPU verfügbar ist, kannst du pipe.to("cuda") aktivieren.
 MODEL_ID = "runwayml/stable-diffusion-inpainting"
 
 print("Lade Inpainting-Pipeline... (kann einen Moment dauern)")
@@ -15,42 +13,50 @@ pipe = StableDiffusionInpaintPipeline.from_pretrained(
     MODEL_ID,
     torch_dtype=torch.float32
 )
-
-# CPU-Modus (Garantie für kostenlos), kann aber 30+ Sek. pro Bild dauern.
+# CPU-Modus (gratis, aber langsam); wenn GPU verfügbar, kannst du pipe.to("cuda") nutzen
 pipe.to("cpu")
 
+# Reduziere die Anzahl Inference-Schritte (Default wäre ~50)
+DEFAULT_STEPS = 20
+
 # ------------------------------------------------------------------------------
 # 2) INPAINT-FUNKTION
 # ------------------------------------------------------------------------------
 def inpaint_room(original_image, prompt):
     """
     Führt ein Inpainting auf dem gesamten Bild durch:
-    - 'mask_image' = original_image bedeutet, dass quasi alles überschrieben werden darf.
-    - Für echtes Home Staging (Möbel entfernen + neue einfügen) bräuchte man eine echte Maske
-      oder ein Segmentierungsmodell. Hier nur das Minimal-Demo.
+    - 'mask_image' = original_image => Alles darf überschrieben werden.
+    - Wir verkleinern das Bild auf 512x512 und reduzieren num_inference_steps,
+      um Zeit zu sparen.
     """
+
     if original_image is None:
         return None
 
+    # 1) Bild auf 512x512 verkleinern
+    original_image = original_image.resize((512, 512), resample=Image.LANCZOS)
+
+    # 2) Inference-Aufruf mit weniger Schritten
     result = pipe(
         prompt=prompt,
         image=original_image,
-        mask_image=original_image,  # Ganzes Bild als "Maske"
+        mask_image=original_image,
+        num_inference_steps=DEFAULT_STEPS,
+        guidance_scale=7.5  # optionaler Wert, typisch ~7.5
     ).images[0]
 
     return result
 
-
 # ------------------------------------------------------------------------------
-# 3) GRADIO INTERFACE (Blocks Layout)
+# 3) GRADIO INTERFACE
 # ------------------------------------------------------------------------------
 def build_app():
     with gr.Blocks() as demo:
-        gr.Markdown("## 🏠 KI-gestütztes Virtual Home Staging (Demo)")
+        gr.Markdown("## 🏠 KI-basiertes Virtual Home Staging (Demo, schnellere Variante)")
         gr.Markdown(
-            "Lade ein Foto hoch (am besten ein leeres/unmöbliertes Zimmer) "
-            "und gib ein Stichwort / Stil an (z.B. 'modern furniture, bright decor').\n\n"
-            "**Achtung:** Auf CPU dauert die Generierung pro Bild ggf. über 30 Sekunden."
+            "Lade ein Foto hoch (leer oder wenige Möbel) "
+            "und gib einen Stil an (z.B. 'modern furniture, bright lighting').<br>"
+            "**Achtung:** Auf CPU dauert es evtl. immer noch einige Sekunden."
         )
 
         with gr.Row():
@@ -69,7 +75,6 @@ def build_app():
             with gr.Column():
                 result_image = gr.Image(label="Ergebnis")
 
-        # Button-Click -> Inpainting ausführen
         run_button.click(
             fn=inpaint_room,
             inputs=[input_image, prompt_text],
@@ -78,14 +83,13 @@ def build_app():
 
         gr.Markdown(
             "**Hinweis:**\n"
-            "- Dies ist ein reines Demo. Ohne echte Masken, also wird das gesamte Bild neu generiert.\n"
-            "- Für professionelles Homestaging brauchst du meist einen Segmentierungsschritt.\n"
-            "- Free CPU kann sehr langsam sein. Wenn eine Community-GPU verfügbar ist, geht's schneller."
+            "- Dies ist eine schnelle Demo: Das Bild wird verkleinert (512×512) und nur 20 Schritte berechnet.\n"
+            "- Für bessere Qualität ggf. mehr Inference-Steps und höhere Auflösungen, dann dauert es länger.\n"
+            "- Wenn eine Community-GPU verfügbar ist, geht es wesentlich schneller."
         )
 
     return demo
 
-
 # ------------------------------------------------------------------------------
 # 4) START
 # ------------------------------------------------------------------------------