Upload 2 files

app_1.py

@@ -0,0 +1,53 @@
+
+import gradio as gr
+import torch
+from diffusers import AutoPipelineForImage2Image, LCMScheduler
+from PIL import Image
+
+# Lade das Basismodell und den LCM-LoRA Adapter
+# Verwende ein unzensiertes Basismodell wie Lykon/dreamshaper-8 oder SG_161222/Realistic_Vision_V5.1_noVAE
+# Hier wird 'Lykon/dreamshaper-8' als Beispiel verwendet.
+# Für CPU-Nutzung ist torch.float32 besser geeignet.
+
+pipeline = AutoPipelineForImage2Image.from_pretrained(
+    "Lykon/dreamshaper-8",
+    torch_dtype=torch.float32,
+    variant="fp16" # variant="fp16" ist hier nur ein Platzhalter, da es für CPU nicht relevant ist, aber für das Laden des Modells benötigt wird.
+)
+pipeline.to("cpu")
+
+# Setze den Scheduler
+pipeline.scheduler = LCMScheduler.from_config(pipeline.scheduler.config)
+
+# Lade den LCM-LoRA Adapter
+pipeline.load_lora_weights("latent-consistency/lcm-lora-sdv1-5")
+
+def image_to_image_editing(input_image: Image.Image, prompt: str) -> Image.Image:
+    # Skaliere das Bild auf eine passende Größe, falls nötig
+    # Stable Diffusion Modelle arbeiten oft am besten mit 512x512 oder 768x768
+    input_image = input_image.resize((512, 512))
+
+    # Führe die Inferenz durch
+    edited_image = pipeline(
+        prompt=prompt,
+        image=input_image,
+        num_inference_steps=4,  # Wenige Schritte für schnelle CPU-Inferenz
+        guidance_scale=1.0,     # Niedriger guidance_scale für LCM-LoRA
+        strength=0.6            # Stärke der Bildbearbeitung
+    ).images[0]
+    return edited_image
+
+# Erstelle die Gradio-Oberfläche
+iface = gr.Interface(
+    fn=image_to_image_editing,
+    inputs=[
+        gr.Image(type="pil", label="Eingabebild"),
+        gr.Textbox(label="Prompt (Beschreibung der gewünschten Änderung)")
+    ],
+    outputs=gr.Image(type="pil", label="Bearbeitetes Bild"),
+    title="CPU-optimierter unzensierter Bildeditor mit LCM-LoRA",
+    description="Lade ein Bild hoch und beschreibe die gewünschte Änderung. Das Modell ist für CPU optimiert und verwendet ein unzensiertes Basismodell mit LCM-LoRA für schnelle Ergebnisse."
+)
+
+if __name__ == "__main__":
+    iface.launch()

requirements_1.txt

@@ -0,0 +1,4 @@
+gradio
+torch
+diffusers
+Pillow