Upload 2 files

app.py

@@ -1,4 +1,5 @@
 import base64
+import hashlib
 import io
 import json
 import traceback
@@ -22,6 +23,7 @@ from transformers import (
     CLIPProcessor,
     SegformerImageProcessor,
     SegformerForSemanticSegmentation,
+    pipeline as hf_pipeline,
 )
 from sam2.build_sam import build_sam2
 from sam2.sam2_image_predictor import SAM2ImagePredictor
@@ -55,6 +57,7 @@ segformer_city_model = None
 segformer_city_processor = None
 segformer_ade_model = None
 segformer_ade_processor = None
+sam_vit_pipeline = None
 
 # --- CATÁLOGO CONTEXTUAL ---
 CATALOGO_POR_ENTORNO = {
@@ -385,7 +388,7 @@ def autodetectar_entorno(imagen: Image.Image):
     if imagen is None:
         entorno_predicho = claves_entorno[0]
         nuevas_opciones = list(CATALOGO_POR_ENTORNO[entorno_predicho].keys())
-        motor_seleccionado = "Híbrido Arquitectura (Cityscapes Grande + DINO Pequeño)" if entorno_predicho in exteriores else "SegFormer (SegFormer ADE20K+ DINO) + SAM 2.1"
+        motor_seleccionado = "SAM Auto (Exteriores - Sin Prompts)" if entorno_predicho in exteriores else "SegFormer (SegFormer ADE20K+ DINO) + SAM 2.1"
         return (
             gr.update(value=entorno_predicho),
             gr.update(choices=nuevas_opciones, value=nuevas_opciones),
@@ -405,7 +408,7 @@ def autodetectar_entorno(imagen: Image.Image):
 
     entorno_detectado = claves_entorno[indice_ganador]
     nuevas_opciones = list(CATALOGO_POR_ENTORNO[entorno_detectado].keys())
-    motor_seleccionado = "Híbrido Arquitectura (Cityscapes Grande + DINO Pequeño)" if entorno_detectado in exteriores else "SegFormer (SegFormer ADE20K+ DINO) + SAM 2.1"
+    motor_seleccionado = "SAM Auto (Exteriores - Sin Prompts)" if entorno_detectado in exteriores else "SegFormer (SegFormer ADE20K+ DINO) + SAM 2.1"
 
     return (
         gr.update(value=entorno_detectado),
@@ -416,14 +419,43 @@ def autodetectar_entorno(imagen: Image.Image):
 
 def segmentar_y_analizar(imagen: Image.Image, entorno: str, seleccion: list, umbral_sensibilidad: float, motor: str, usar_limpieza: bool):
     print(f"\n--- Iniciando análisis con motor: {motor} ---")
+    global sam_vit_pipeline
 
-    if imagen is None or len(seleccion) == 0:
+    if imagen is None or (len(seleccion) == 0 and motor != "SAM Auto (Exteriores - Sin Prompts)"):
         return None, "Sube una imagen y selecciona al menos un elemento.", None
 
     imagen_rgb = imagen.convert("RGB")
     imagen_np = np.array(imagen_rgb)
     total_pixels = imagen.width * imagen.height
 
+    # ==========================================================
+    # MOTOR 4: SAM ViT-Huge AUTOMÁTICO (Sin prompts — Exteriores)
+    # ==========================================================
+    if motor == "SAM Auto (Exteriores - Sin Prompts)":
+        if sam_vit_pipeline is None:
+            print("Cargando SAM ViT-Huge pipeline (mask-generation, CPU)...")
+            sam_vit_pipeline = hf_pipeline(
+                "mask-generation",
+                model="facebook/sam-vit-huge",
+                device=-1,
+            )
+
+        resultado_sam = sam_vit_pipeline(imagen_rgb)
+        if isinstance(resultado_sam, list):
+            resultado_sam = resultado_sam[0]
+
+        all_masks = resultado_sam.get("masks", [])
+
+        img_arr = np.array(imagen_rgb).copy()
+        overlay = img_arr.copy()
+        for i, mask in enumerate(all_masks):
+            hex_digest = hashlib.md5(str(i).encode()).hexdigest()[:6]
+            color = (int(hex_digest[0:2], 16), int(hex_digest[2:4], 16), int(hex_digest[4:6], 16))
+            overlay[np.array(mask) > 0] = color
+
+        blended = cv2.addWeighted(img_arr, 0.5, overlay, 0.5, 0)
+        return Image.fromarray(blended), f"📊 REPORTE (SAM Auto):<br>• {len(all_masks)} zonas detectadas automáticamente", None
+
     masks_finales, etiquetas_finales, debug_image = _run_engines_raw(
         imagen_rgb, imagen_np, entorno, seleccion, umbral_sensibilidad, motor, usar_limpieza
     )
@@ -522,23 +554,16 @@ def segment_for_backend(image_np: np.ndarray):
 
 def seleccionar_motor_por_entorno(entorno):
     exteriores = ["🏙️ Fachada / Exterior", "🌳 Terraza / Patio / Jardín"]
-    interiores = [
-        "🛋️ Interiores (Sala / Cuartos)",
-        "🛁 Baño / Cocina",
-        "🏢 Oficinas / Corporativo",
-        "🏪 Locales Comerciales / Restaurantes",
-        "🏭 Garaje / Bodega / Industrial"
-    ]
     if entorno in exteriores:
-        return gr.update(value="Híbrido Arquitectura (Cityscapes Grande + DINO Pequeño)")
-    if entorno in interiores:
-        return gr.update(value="SegFormer (SegFormer ADE20K+ DINO) + SAM 2.1")
+        return gr.update(value="SAM Auto (Exteriores - Sin Prompts)")
     return gr.update(value="SegFormer (SegFormer ADE20K+ DINO) + SAM 2.1")
 
 
 def actualizar_opciones(entorno, motor):
     opciones = list(CATALOGO_POR_ENTORNO[entorno].keys())
-    if motor in ["Híbrido Arquitectura (Cityscapes Grande + DINO Pequeño)", "SegFormer (SegFormer ADE20K+ DINO) + SAM 2.1"]:
+    if motor == "SAM Auto (Exteriores - Sin Prompts)":
+        label = "2. Elementos (No aplica — detección totalmente automática ✨)"
+    elif motor in ["Híbrido Arquitectura (Cityscapes Grande + DINO Pequeño)", "SegFormer (SegFormer ADE20K+ DINO) + SAM 2.1"]:
         label = "2. Elementos (Detalles a buscar con DINO 🎯)"
     else:
         label = "2. Elementos"
@@ -554,11 +579,12 @@ def crear_app():
                 imagen_entrada = gr.Image(type="pil", label="Foto del Espacio")
                 motor = gr.Radio(
                     choices=[
-                        "SegFormer (SegFormer ADE20K+ DINO) + SAM 2.1",
+                        "SAM Auto (Exteriores - Sin Prompts)",
                         "Híbrido Arquitectura (Cityscapes Grande + DINO Pequeño)",
+                        "SegFormer (SegFormer ADE20K+ DINO) + SAM 2.1",
                         "DINO + SAM 2.1 (Objetos Contables)"
                     ],
-                    value="Híbrido Arquitectura (Cityscapes Grande + DINO Pequeño)",
+                    value="SAM Auto (Exteriores - Sin Prompts)",
                     label="🧠 Motor de Inteligencia Artificial"
                 )
                 tipo_entorno = gr.Dropdown(choices=list(CATALOGO_POR_ENTORNO.keys()), value=list(CATALOGO_POR_ENTORNO.keys())[0], label="1. Entorno (Autodetectado 🪄)")