Update app.py

app.py

@@ -1,64 +1,44 @@
-import gradio as gr
-from loadimg import load_img
-import spaces
-from transformers import AutoModelForImageSegmentation
 import torch
 from torchvision import transforms
+from PIL import Image
+import gradio as gr
+from transformers import AutoModelForImageClassification, AutoFeatureExtractor
+import numpy as np
 
-torch.set_float32_matmul_precision("high")
+# تحميل نموذج BiRefNet
+birefnet = AutoModelForImageClassification.from_pretrained("briaai/RMBG-1.4")
+birefnet.to("cpu")  # ✅ تشغيل على CPU
 
-# تحميل النموذج
-birefnet = AutoModelForImageSegmentation.from_pretrained(
-    "ZhengPeng7/BiRefNet", trust_remote_code=True
-)
-birefnet.to("cpu")
+# تحميل المحول (feature extractor)
+extractor = AutoFeatureExtractor.from_pretrained("briaai/RMBG-1.4")
 
-# تجهيز الصورة قبل الإدخال
-transform_image = transforms.Compose([
-    transforms.Resize((1024, 1024)),
-    transforms.ToTensor(),
-    transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]),
-])
+# دالة تحويل الصورة لتنسيق النموذج
+def transform_image(image):
+    inputs = extractor(images=image, return_tensors="pt")
+    return inputs["pixel_values"][0]
 
-# المعالجة الأساسية
-@spaces.GPU
+# دالة معالجة الصورة
 def process(image):
-    image_size = image.size
-    input_images = transform_image(image).unsqueeze(0).to("cpu")
+    input_images = transform_image(image).unsqueeze(0).to("cpu")  # ✅ تشغيل على CPU
     with torch.no_grad():
-        preds = birefnet(input_images)[-1].sigmoid().cpu()
-    pred = preds[0].squeeze()
-    pred_pil = transforms.ToPILImage()(pred)
-    mask = pred_pil.resize(image_size)
+        output = birefnet(input_images).logits.squeeze(0)[0]
+    mask = torch.sigmoid(output).cpu().numpy()
+    mask = (mask * 255).astype(np.uint8)
+    mask = Image.fromarray(mask).resize(image.size)
+
+    # إزالة الخلفية
+    image = image.convert("RGBA")
+    mask = mask.convert("L")
     image.putalpha(mask)
     return image
 
-# واجهة المستخدم
-def from_upload(image):
-    im = load_img(image, output_type="pil").convert("RGB")
-    origin = im.copy()
-    processed = process(im)
-    return (processed, origin)
-
-def from_url(url):
-    im = load_img(url, output_type="pil").convert("RGB")
-    origin = im.copy()
-    processed = process(im)
-    return (processed, origin)
-
-def process_file(f):
-    name_path = f.rsplit(".", 1)[0] + ".png"
-    im = load_img(f, output_type="pil").convert("RGB")
-    transparent = process(im)
-    transparent.save(name_path)
-    return name_path
-
-# واجهات التبويبات
-tab1 = gr.Interface(from_upload, inputs=gr.Image(), outputs=[gr.Image(label="Processed"), gr.Image(label="Original")], title="Upload Image")
-tab2 = gr.Interface(from_url, inputs=gr.Textbox(label="Paste Image URL"), outputs=[gr.Image(label="Processed"), gr.Image(label="Original")], title="From URL")
-tab3 = gr.Interface(process_file, inputs=gr.Image(type="filepath"), outputs=gr.File(), title="Save Transparent PNG")
-
-demo = gr.TabbedInterface([tab1, tab2, tab3], ["Upload", "URL", "Save PNG"], title="Background Removal with BiRefNet")
+# واجهة Gradio
+demo = gr.Interface(
+    fn=process,
+    inputs=gr.Image(type="pil"),
+    outputs=gr.Image(type="pil"),
+    title="إزالة خلفية الصور باستخدام BiRefNet (CPU)",
+    description="ارفع صورة وسيتم إزالة الخلفية تلقائيًا باستخدام نموذج BiRefNet على وحدة المعالجة المركزية فقط."
+)
 
-if __name__ == "__main__":
-    demo.launch(show_error=True)
+demo.launch()