Update app.py

resize operation

app.py

@@ -8,6 +8,14 @@ from PIL import Image
 
 # --- 1. CONFIGURACIÓN ---
 device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+imsize = 384 # Balance perfecto entre velocidad (CPU) y calidad
+
+# Transformación de entrada (Ahora redimensiona todo a imsize x imsize)
+loader = transforms.Compose([
+    transforms.Resize((imsize, imsize)),
+    transforms.ToTensor(),
+    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
+])
 
 # Transformación inversa (Desnormalizar para mostrar la imagen final)
 unloader = transforms.Compose([
@@ -61,28 +69,10 @@ def run_style_transfer(content_img, style_img, content_weight, style_weight, tv_
     if content_img is None or style_img is None:
         return None
     
-    # Obtenemos el tamaño ORIGINAL de la imagen de contenido
-    original_width, original_height = content_img.size
-
-    # Transformación del contenido: SIN redimensionar, mantiene su tamaño original
-    content_transform = transforms.Compose([
-        transforms.ToTensor(),
-        transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
-    ])
-
-    # Transformación del estilo: lo redimensionamos para que coincida con el contenido
-    # Nota: transforms.Resize espera (Alto, Ancho)
-    style_transform = transforms.Compose([
-        transforms.Resize((original_height, original_width)),
-        transforms.ToTensor(),
-        transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
-    ])
-
-    # Aplicamos las transformaciones
-    content_tensor = content_transform(content_img).unsqueeze(0).to(device, torch.float)
-    style_tensor = style_transform(style_img).unsqueeze(0).to(device, torch.float)
+    # Aplicamos las transformaciones (incluyendo el resize a 384x384)
+    content_tensor = loader(content_img).unsqueeze(0).to(device, torch.float)
+    style_tensor = loader(style_img).unsqueeze(0).to(device, torch.float)
     
-    # El resto del código se mantiene igual...
     gen_img = content_tensor.clone().requires_grad_(True)
     extractor = VGGFeatureExtractor().to(device)
     
@@ -115,18 +105,29 @@ def run_style_transfer(content_img, style_img, content_weight, style_weight, tv_
         
     gen_img.data.clamp_(-2.1, 2.6)
     
-    # Convertimos de vuelta a imagen PIL (Saldrá sin ejes y en su tamaño original)
     final_image = unloader(gen_img.cpu().squeeze(0))
     return final_image
 
 # --- 5. INTERFAZ DE USUARIO (GRADIO) ---
 with gr.Blocks(theme=gr.themes.Soft()) as demo:
-    gr.Markdown("# 🎨 Transferencia de Estilo Neuronal")
-    gr.Markdown("Sube una imagen base (A) y una imagen de estilo (B) para combinarlas. **La imagen resultante mantendrá la resolución de tu imagen base.**")
+    
+    # ENCABEZADO Y ENLACES
+    gr.Markdown(
+        """
+        <div style="text-align: center;">
+            <h1>🎨 Transferencia de Estilo Neuronal</h1>
+            <p>Sube una imagen base y una imagen de estilo para combinarlas. <i>Nota: Las imágenes se redimensionan automáticamente para procesamiento rápido.</i></p>
+            <p>
+                <a href="https://github.com/MGranados64" target="_blank" style="text-decoration: none;">🐙 <b>Mi GitHub</b></a> &nbsp; | &nbsp; 
+                <a href="https://huggingface.co/MGC1991MF" target="_blank" style="text-decoration: none;">🤗 <b>Mi perfil en Hugging Face</b></a>
+            </p>
+        </div>
+        """
+    )
     
     with gr.Row():
         with gr.Column():
-            content_in = gr.Image(type="pil", label="Imagen Base (A) - Dicta el tamaño")
+            content_in = gr.Image(type="pil", label="Imagen Base (A)")
             style_in = gr.Image(type="pil", label="Imagen de Estilo (B)")
         with gr.Column():
             output_image = gr.Image(type="pil", label="Imagen Resultante (C)")
@@ -137,7 +138,7 @@ with gr.Blocks(theme=gr.themes.Soft()) as demo:
             c_weight = gr.Slider(minimum=0.1, maximum=10.0, value=1.0, step=0.1, label="Peso del Contenido (Estructura)")
             s_weight = gr.Slider(minimum=1000, maximum=1000000, value=100000, step=1000, label="Peso del Estilo (Arte)")
             tv_weight = gr.Slider(minimum=0, maximum=0.001, value=0.000001, step=0.000001, label="Suavizado (Variación Total)")
-            iters = gr.Slider(minimum=5, maximum=30, value=10, step=1, label="Iteraciones (¡Cuidado con imágenes grandes!)")
+            iters = gr.Slider(minimum=5, maximum=30, value=10, step=1, label="Iteraciones")
             
             run_btn = gr.Button("¡Mezclar Imágenes!", variant="primary")