Trying fix variants

app.py

@@ -43,32 +43,35 @@ def processar_profundidade(depth_arr: np.ndarray) -> Image.Image:
 
 def processar_imagem(imagem: Image.Image):
     # Pré-processamento
-    imagem = imagem.convert("RGB").resize((512, 512))
-
-    # Gerar baixo-relevo
-    with torch.inference_mode():
-        resultado = pipe(
-            prompt="BAS-RELIEF",
-            image=imagem,
-            strength=0.7,
-            num_inference_steps=20,
-            guidance_scale=7.5
-        )
-
-    # Calcular profundidade
-    inputs = feature_extractor(resultado.images[0], return_tensors="pt").to(device)
-    with (torch.no_grad()):
-        outputs  = depth_model(**inputs)
+    print("Generating image with LoRA style...")
+    result = pipe(
+        prompt=full_prompt,
+        image=imagem,
+        num_inference_steps=15,  # reduce if too slow
+        guidance_scale=7.5,
+        height=512,  # reduce if you still get timeouts
+        width=512
+    )
+    image = result.images[0]
+
+    print("Running DPT Depth Estimation...")
+    inputs = feature_extractor(image, return_tensors="pt").to(device)
+    with torch.no_grad():
+        outputs = depth_model(**inputs)
         predicted_depth = outputs.predicted_depth
 
-    depth_map = torch.nn.functional.interpolate(
+    prediction = torch.nn.functional.interpolate(
         predicted_depth.unsqueeze(1),
-        size=imagem.size[::-1],
+        size=image.size[::-1],
         mode="bicubic",
         align_corners=False
-    ).squeeze().cpu().numpy()
+    ).squeeze()
 
-    return resultado.images[0], processar_profundidade(depth_map)
+    depth_map_pil = processar_profundidade(prediction.cpu().numpy())
+
+    return image, depth_map_pil
+
+    # return resultado.images[0], processar_profundidade(depth_map)
 
 
 # Interface Gradio