Spaces:

agerhund
/

DesignIA

Running

App Files Files Community

DesignIA / README.md

agerhund

Update README.md

3eeafd5 verified 3 months ago

preview code

raw

history blame contribute delete

3.55 kB

A newer version of the Streamlit SDK is available: 1.55.0

Upgrade

metadata

title: DesignIA - Recomendador de Muebles (TFM)
emoji: 🛋️
colorFrom: blue
colorTo: indigo
sdk: streamlit
app_file: app.py

DesignIA - Recomendador de Muebles Inteligente

DesignIA es una aplicación inteligente que te ayuda a diseñar tu salón ideal. A partir de una imagen panorámica (360°) de tu habitación vacía, la aplicación detecta automáticamente la geometría del espacio (paredes, puertas, ventanas) y te sugiere una distribución óptima de muebles, recomendándote productos reales de IKEA que se ajustan a tu estilo y presupuesto.

Características

Escaneo de Habitación 3D: Utiliza HorizonNet para detectar la estructura de la habitación a partir de una sola imagen panorámica.
Diseño Automático: Algoritmos de optimización espacial para colocar muebles respetando zonas de paso y distancias de visualización (TV-Sofá).
Recomendación Estilística: Un modelo basado en BERT analiza el estilo de los muebles para sugerir combinaciones coherentes.
Visualización Interactiva: Visualiza tu futuro salón en 3D directamente en el navegador.
Presupuesto Ajustable: Define cuánto quieres gastar y la IA buscará la mejor combinación calidad/precio.

Requisitos Previos

Debido al uso de modelos de Inteligencia Artificial avanzados, este proyecto requiere descargar archivos de gran tamaño.

Python 3.8+
Git LFS (Large File Storage): Imprescindible para descargar los modelos de IA.
- Instalación: https://git-lfs.com/
- O ejecuta: git lfs install

Instalación

Clonar el repositorio Asegúrate de tener Git LFS instalado antes de clonar.
```
git lfs install
git clone https://github.com/agerhund/DesignIA.git
cd DesignIA
```
Nota: La descarga puede tardar unos minutos debido a los modelos (~1.7 GB).

Crear un entorno virtual (Recomendado)

python -m venv venv
# En Windows:
venv\Scripts\activate
# En Mac/Linux:
source venv/bin/activate

Instalar dependencias
```
pip install -r requirements.txt
```

Ejecución

Para iniciar la aplicación web localmente:

streamlit run app.py

La aplicación se abrirá automáticamente en tu navegador (usualmente en http://localhost:8501).

Notas sobre el Rendimiento

Memoria RAM: Se recomienda disponer de al menos 8 GB de RAM, ya que los modelos de visión y lenguaje se cargan en memoria.
GPU: Si dispones de una GPU NVIDIA (CUDA) o un Mac con chip M-series (MPS), la aplicación intentará usarla para acelerar la detección. De lo contrario, funcionará en CPU (más lento).
Streamlit Cloud: Es posible que esta aplicación no funcione en la capa gratuita de Streamlit Cloud debido a las limitaciones de memoria y almacenamiento (los modelos exceden el límite habitual). Se recomienda ejecutar en local o en un servidor con mayores recursos.

Estructura del Proyecto

app.py: Punto de entrada de la aplicación Streamlit.
logic.py: Lógica principal (IA, geometría, recomendación).
models/: Contiene los pesos de los modelos (HorizonNet y BERT Encoder).
data/: Base de datos de muebles (CSV).
horizonnet/: Código fuente del modelo de visión computacional.