Update app.py

app.py

@@ -1,7 +1,5 @@
 import gradio as gr
 import torch
-import json
-import os
 from diffusers import DiffusionPipeline
 from datasets import load_dataset
 from PIL import Image
@@ -15,16 +13,16 @@ model_repo_id = "stabilityai/stable-diffusion-xl-base-1.0"  # Continuando com o
 pipe = DiffusionPipeline.from_pretrained(model_repo_id)
 pipe = pipe.to(device)
 
-# Carregando o dataset do Hugging Face
-dataset = load_dataset("LEIDIA/Data_Womleimg", split="train")# Carrega o dataset de imagens
+# Carregar o dataset do Hugging Face
+dataset = load_dataset("LEIDIA/Data_Womleimg", split="train")  # Carrega o dataset de imagens
 
 # Acessando as descrições corretamente (assumindo que estejam no arquivo JSON)
 descriptions = {}
-for item in dataset:
-    image_id = item['image']  # Acessa a imagem diretamente
+for idx, item in enumerate(dataset):
+    image_id = idx  # Usar o índice como chave única
     # Aqui você pode acessar as descrições da maneira correta, dependendo de como os dados estão estruturados
     description = item.get("Wom_dataset", "Descrição não encontrada")  # Exemplo de campo de descrição
-    descriptions[image_id] = description  # Mapeando ID da imagem para a descrição
+    descriptions[image_id] = description  # Mapeando o índice da imagem para a descrição
 
 # Exibe algumas amostras com suas descrições
 for i, (image_id, description) in enumerate(descriptions.items()):
@@ -32,8 +30,7 @@ for i, (image_id, description) in enumerate(descriptions.items()):
         print(f"ID da imagem: {image_id}, Descrição: {description}")
 
 
-
-    # Definir parâmetros padrão para geração rápida
+# Definir parâmetros padrão para geração rápida
 DEFAULT_PROMPT = "A beautiful brunette woman wearing a blue leather pants "
 DEFAULT_INFERENCE_STEPS = 6
 IMAGE_WIDTH = 512