feat: 深度推定Gradioアプリ

- Intel DPT-Hybrid-MiDaS
- メモリ最適化済み

README.md

@@ -0,0 +1,32 @@
+---
+title: Depth Estimation API
+emoji: 🌊
+colorFrom: blue
+colorTo: purple
+sdk: gradio
+sdk_version: 4.44.0
+app_file: app.py
+pinned: false
+license: mit
+---
+
+# 深度推定・3D可視化 API
+
+Intel DPT-Hybrid-MiDaSモデルを使用した深度推定アプリケーションです。
+
+## 機能
+
+- 画像から深度マップを生成
+- リアルタイム処理
+- 直感的なWebインターフェース
+
+## 使用モデル
+
+- Intel/dpt-hybrid-midas (Transformers)
+
+## 技術スタック
+
+- Gradio (Web UI)
+- PyTorch (Deep Learning)
+- Transformers (Hugging Face)
+- OpenCV (画像処理)

app.py

@@ -0,0 +1,140 @@
+import gradio as gr
+import torch
+import numpy as np
+from PIL import Image
+import io
+from transformers import DPTImageProcessor, DPTForDepthEstimation
+import cv2
+
+# グローバル変数でモデルを保持
+processor = None
+model = None
+
+def load_model():
+    """モデルを一度だけ読み込む"""
+    global processor, model
+    if processor is None or model is None:
+        print("Loading depth estimation model...")
+        processor = DPTImageProcessor.from_pretrained("Intel/dpt-hybrid-midas")
+        model = DPTForDepthEstimation.from_pretrained("Intel/dpt-hybrid-midas")
+        device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+        model.to(device)
+        model.eval()
+        print(f"Model loaded on {device}")
+
+def estimate_depth(image):
+    """深度推定を実行"""
+    try:
+        # モデル読み込み
+        load_model()
+        
+        # 画像の前処理
+        if isinstance(image, str):
+            image = Image.open(image)
+        elif isinstance(image, np.ndarray):
+            image = Image.fromarray(image)
+        
+        # RGB変換
+        if image.mode != 'RGB':
+            image = image.convert('RGB')
+        
+        # サイズ制限（メモリ効率のため）
+        max_size = 512
+        if max(image.size) > max_size:
+            image.thumbnail((max_size, max_size), Image.Resampling.LANCZOS)
+        
+        # 推論実行
+        inputs = processor(images=image, return_tensors="pt")
+        device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+        inputs = {k: v.to(device) for k, v in inputs.items()}
+        
+        with torch.no_grad():
+            outputs = model(**inputs)
+            predicted_depth = outputs.predicted_depth
+        
+        # 深度マップの後処理
+        depth = predicted_depth.squeeze().cpu().numpy()
+        depth_min = depth.min()
+        depth_max = depth.max()
+        
+        if depth_max - depth_min > 0:
+            depth_normalized = (depth - depth_min) / (depth_max - depth_min)
+        else:
+            depth_normalized = np.zeros_like(depth)
+        
+        # カラーマップ適用
+        depth_colored = cv2.applyColorMap(
+            (depth_normalized * 255).astype(np.uint8), 
+            cv2.COLORMAP_VIRIDIS
+        )
+        depth_colored = cv2.cvtColor(depth_colored, cv2.COLOR_BGR2RGB)
+        
+        return Image.fromarray(depth_colored), image
+        
+    except Exception as e:
+        print(f"Error in depth estimation: {e}")
+        # エラー時は元画像をそのまま返す
+        return image, image
+
+def process_image(image):
+    """Gradio用の処理関数"""
+    if image is None:
+        return None, None
+    
+    depth_map, original = estimate_depth(image)
+    return original, depth_map
+
+# Gradio インターフェース作成
+with gr.Blocks(title="深度推定 API", theme=gr.themes.Soft()) as demo:
+    gr.Markdown("# 🌊 深度推定・3D可視化 API")
+    gr.Markdown("画像をアップロードして深度マップを生成します")
+    
+    with gr.Row():
+        with gr.Column():
+            input_image = gr.Image(
+                label="入力画像", 
+                type="pil",
+                height=400
+            )
+            submit_btn = gr.Button("深度推定実行", variant="primary", size="lg")
+        
+        with gr.Column():
+            with gr.Tab("元画像"):
+                output_original = gr.Image(label="元画像", height=400)
+            with gr.Tab("深度マップ"):
+                output_depth = gr.Image(label="深度マップ", height=400)
+    
+    with gr.Row():
+        gr.Markdown("""
+        ### 📝 使い方
+        1. 画像をアップロードまたはドラッグ&ドロップ
+        2. 「深度推定実行」ボタンをクリック
+        3. 深度マップが生成されます（紫=近い、黄=遠い）
+        
+        ### ⚡ 技術情報
+        - モデル: Intel DPT-Hybrid-MiDaS
+        - 処理時間: 数秒〜数十秒
+        - 最大解像度: 512px（メモリ効率のため）
+        """)
+    
+    # イベントハンドラー
+    submit_btn.click(
+        fn=process_image,
+        inputs=[input_image],
+        outputs=[output_original, output_depth]
+    )
+    
+    # サンプル画像も処理可能
+    input_image.change(
+        fn=process_image,
+        inputs=[input_image],
+        outputs=[output_original, output_depth]
+    )
+
+# アプリケーション起動
+if __name__ == "__main__":
+    demo.launch(
+        server_name="0.0.0.0",
+        server_port=7860,
+        share=True
+    )

requirements.txt

@@ -0,0 +1,7 @@
+torch
+torchvision
+transformers
+opencv-python
+pillow
+numpy
+gradio