| --- |
| 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. |
|
|
| 1. **Python 3.8+** |
| 2. **Git LFS (Large File Storage)**: Imprescindible para descargar los modelos de IA. |
| * Instalación: [https://git-lfs.com/](https://git-lfs.com/) |
| * O ejecuta: `git lfs install` |
|
|
| ## Instalación |
|
|
| 1. **Clonar el repositorio** |
| Asegúrate de tener Git LFS instalado antes de clonar. |
| ```bash |
| 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).* |
| |
| 2. **Crear un entorno virtual (Recomendado)** |
| ```bash |
| python -m venv venv |
| # En Windows: |
| venv\Scripts\activate |
| # En Mac/Linux: |
| source venv/bin/activate |
| ``` |
| |
| 3. **Instalar dependencias** |
| ```bash |
| pip install -r requirements.txt |
| ``` |
| |
| ## Ejecución |
|
|
| Para iniciar la aplicación web localmente: |
|
|
| ```bash |
| 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. |
|
|
| ## Autor |
|
|
| **Andrés Gerlotti Slusnys** |
| Máster de Data Science, Business Analytics y Big Data |
| Universidad Complutense de Madrid |
| © 2025 |
|
|
