Update app.py

app.py

@@ -1,85 +1,5 @@
-import os
-import torch
-import torch.nn as nn
-from huggingface_hub import hf_hub_download
-from torchvision import transforms, models
-from PIL import Image
 import gradio as gr
 
-# ==========================================
-# 1. CONFIGURATION CHIRURGICALE
-# ==========================================
-DEVICE = torch.device("cpu") # Forcé sur CPU pour un Space CPU standard
-MODEL_INPUT_SIZE = 224 # Taille obligatoire pour le Vision Transformer (ViT)
-REPO_ID = "KTXStudio/MinecraftSkinImg-To-Img"
-FILENAME = "vit_minecraft_core.pth"
-SKIN_SIZE = 128       # Taille cible HD du skin Minecraft
-
-# Téléchargement automatique depuis Hugging Face Hub au démarrage
-print("⏳ Téléchargement des poids depuis le Hub...")
-MODEL_PATH = hf_hub_download(repo_id=REPO_ID, filename=FILENAME)
-
-# ==========================================
-# 2. ARCHITECTURE EXACTE : VISION TRANSFORMER
-# ==========================================
-class ViTSkinGenerator(nn.Module):
-    def __init__(self):
-        super().__init__()
-        # weights=None remplace pretrained=False dans les versions récentes de torchvision
-        vit = models.vit_b_16(weights=None)
-        self.transformer_core = vit
-        num_features = vit.heads.head.in_features
-        
-        # Décodeur de projection géométrique (Grille propre de 128x128x3)
-        self.transformer_core.heads = nn.Sequential(
-            nn.Linear(num_features, 2048),
-            nn.GELU(),
-            nn.Dropout(0.1),
-            nn.Linear(2048, 4096),
-            nn.GELU(),
-            nn.Linear(4096, 3 * SKIN_SIZE * SKIN_SIZE),
-            nn.Sigmoid()
-        )
-        
-    def forward(self, x):
-        out = self.transformer_core(x)
-        out = out.view(-1, 3, SKIN_SIZE, SKIN_SIZE)
-        return out
-
-# ==========================================
-# 3. CHARGEMENT DE VOS POIDS AU LANCEMENT
-# ==========================================
-model = ViTSkinGenerator().to(DEVICE)
-print(f"💾 Chargement des poids depuis le cache local : {MODEL_PATH}...")
-model.load_state_dict(torch.load(MODEL_PATH, map_location=DEVICE))
-model.eval()
-
-# ==========================================
-# 4. FONCTION DE PRÉDICTION POUR GRADIO
-# ==========================================
-def predict_skin(input_image):
-    if input_image is None:
-        return None
-        
-    # 1. Traitement de l'image d'entrée (LANCZOS pour garder la netteté)
-    img = input_image.convert("RGB").resize((MODEL_INPUT_SIZE, MODEL_INPUT_SIZE), Image.Resampling.LANCZOS)
-    
-    transform = transforms.Compose([
-        transforms.ToTensor(),
-        transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
-    ])
-    tensor_in = transform(img).unsqueeze(0).to(DEVICE)
-
-    # 2. Inférence brute et stricte de l'IA
-    with torch.no_grad():
-        tensor_out = model(tensor_in).squeeze(0).cpu()
-
-    # 3. Post-traitement minimal (Uniquement l'écrêtage obligatoire pour convertir en image PIL)
-    tensor_out = torch.clamp(tensor_out, 0, 1)
-    skin_pil = transforms.ToPILImage()(tensor_out)
-    skin_final = skin_pil.resize((SKIN_SIZE, SKIN_SIZE), Image.Resampling.NEAREST)
-    
-    return skin_final
 
 # ==========================================
 # 5. INTERFACE DESIGN BLOCKS (GRADIO INTERACTIVE)
@@ -87,27 +7,8 @@ def predict_skin(input_image):
 with gr.Blocks(theme=gr.themes.Soft(primary_hue="green", secondary_hue="slate")) as demo:
     gr.Markdown(
         """
-        # 🎨 Minecraft HD Skin AI Generator
-        Déployé avec succès par **KTXStudio**. Importez un rendu 3D ou une image de personnage pour que le **Vision Transformer (ViT)** extrait intelligemment son patron de skin Minecraft en Haute Définition (128x128).
-        """
-    )
-    
-    with gr.Row():
-        with gr.Column():
-            input_img = gr.Image(type="pil", label="📥 Téléverse ton personnage (Rendu 3D / Image)")
-            submit_btn = gr.Button("✨ Générer le Skin HD", variant="primary")
-            
-        with gr.Column():
-            output_img = gr.Image(type="pil", label="✨ Skin Minecraft HD Extrait (128x128)", image_mode="RGB")
-            
-    # Lier le bouton à la fonction de prédiction
-    submit_btn.click(fn=predict_skin, inputs=input_img, outputs=output_img)
-    
-    gr.Examples(
-        examples=["A.jpg"] if os.path.exists("A.jpg") else [],
-        inputs=input_img,
-        label="Exemples disponibles"
-    )
+        #This spaces will be use for another job just wait.
+        """)
 
 # Lancement de l'application
 if __name__ == "__main__":