Spaces:
Sleeping
Sleeping
| import numpy as np | |
| import torch | |
| import torch.nn.functional as F | |
| from torchvision.transforms.functional import normalize | |
| import gradio as gr | |
| from gradio_imageslider import ImageSlider | |
| from briarmbg import BriaRMBG | |
| import PIL | |
| from PIL import Image | |
| from typing import Tuple | |
| net = BriaRMBG.from_pretrained("briaai/RMBG-1.4") | |
| device = torch.device("cuda" if torch.cuda.is_available() else "cpu") | |
| net.to(device) | |
| def redimensionar_imagem(imagem): | |
| imagem = imagem.convert('RGB') | |
| tamanho_entrada_modelo = (1024, 1024) | |
| imagem = imagem.resize(tamanho_entrada_modelo, Image.BILINEAR) | |
| return imagem | |
| def processar(imagem): | |
| # preparar entrada | |
| imagem_original = Image.fromarray(imagem) | |
| w,h = tamanho_imagem_original = imagem_original.size | |
| imagem = redimensionar_imagem(imagem_original) | |
| im_np = np.array(imagem) | |
| im_tensor = torch.tensor(im_np, dtype=torch.float32).permute(2,0,1) | |
| im_tensor = torch.unsqueeze(im_tensor,0) | |
| im_tensor = torch.divide(im_tensor,255.0) | |
| im_tensor = normalize(im_tensor,[0.5,0.5,0.5],[1.0,1.0,1.0]) | |
| if torch.cuda.is_available(): | |
| im_tensor=im_tensor.cuda() | |
| # inferência | |
| resultado = net(im_tensor) | |
| # pós-processamento | |
| resultado = torch.squeeze(F.interpolate(resultado[0][0], size=(h,w), mode='bilinear') ,0) | |
| ma = torch.max(resultado) | |
| mi = torch.min(resultado) | |
| resultado = (resultado-mi)/(ma-mi) | |
| # imagem para pil | |
| im_array = (resultado*255).cpu().data.numpy().astype(np.uint8) | |
| pil_im = Image.fromarray(np.squeeze(im_array)) | |
| # colar a máscara na imagem original | |
| nova_im = Image.new("RGBA", pil_im.size, (0,0,0,0)) | |
| nova_im.paste(imagem_original, mask=pil_im) | |
| return nova_im | |
| # block = gr.Blocks().queue() | |
| # with block: | |
| # gr.Markdown("## BRIA RMBG 1.4") | |
| # gr.HTML(''' | |
| # <p style="margin-bottom: 10px; font-size: 94%"> | |
| # Esta é uma demonstração do BRIA RMBG 1.4 que utiliza | |
| # <a href="https://huggingface.co/briaai/RMBG-1.4" target="_blank">o modelo de matting de imagem BRIA RMBG-1.4</a> como base. | |
| # </p> | |
| # ''') | |
| # with gr.Row(): | |
| # with gr.Column(): | |
| # input_image = gr.Image(sources=None, type="pil") # None para upload, ctrl+v e webcam | |
| # # input_image = gr.Image(sources=None, type="numpy") # None para upload, ctrl+v e webcam | |
| # run_button = gr.Button(value="Executar") | |
| # with gr.Column(): | |
| # result_gallery = gr.Gallery(label='Resultado', show_label=False, elem_id="gallery", columns=[1], height='auto') | |
| # ips = [input_image] | |
| # run_button.click(fn=processar, inputs=ips, outputs=[result_gallery]) | |
| # block.launch(debug = True) | |
| # block = gr.Blocks().queue() | |
| gr.Markdown("## BRIA RMBG 1.4") | |
| gr.HTML(''' | |
| <p style="margin-bottom: 10px; font-size: 94%"> | |
| Esta é uma demonstração do BRIA RMBG 1.4 que utiliza | |
| <a href="https://huggingface.co/briaai/RMBG-1.4" target="_blank">o modelo de matting de imagem BRIA RMBG-1.4</a> como base. | |
| </p> | |
| ''') | |
| exemplos = [['./input.jpg'],] | |
| # output = ImageSlider(position=0.5,label='Imagem sem fundo', type="pil", show_download_button=True) | |
| # demo = gr.Interface(fn=processar,inputs="image", outputs=output, examples=exemplos, title=title, description=description) | |
| demo = gr.Interface(fn=processar,inputs="image", outputs="image", examples=exemplos) | |
| if __name__ == "__main__": | |
| demo.launch(share=False) | |