Update app.py

app.py

@@ -1,76 +1,54 @@
 import torch
-import spaces
+from transformers import Qwen2_5_VLForConditionalGeneration, AutoProcessor
+from qwen_vl_utils import process_vision_info
 import gradio as gr
-from diffusers import FluxInpaintPipeline
-from PIL import Image
 
-# 1. Carga del modelo en modo Inpaint
-model_id = "black-forest-labs/FLUX.1-schnell"
-print("Cargando pipeline de Inpainting en GPU...")
-pipe = FluxInpaintPipeline.from_pretrained(
+# 1. Cargar el modelo
+model_id = "joyfox/Qwen-Image-Edit-Cosplay"
+model = Qwen2_5_VLForConditionalGeneration.from_pretrained(
     model_id, 
-    torch_dtype=torch.bfloat16
-).to("cuda")
+    torch_dtype=torch.bfloat16, 
+    device_map="auto"
+)
+processor = AutoProcessor.from_pretrained(model_id)
 
-# 2. Carga del LoRA de Cosplay
-print("Inyectando LoRA...")
-pipe.load_lora_weights("joyfox/Kontext-Cosplay-Lora", weight_name="kontext_cosplay_lora_20000.safetensors")
+def edit_image(image, instruction):
+    # Preparar el prompt siguiendo la estructura de Qwen2-VL
+    messages = [
+        {
+            "role": "user",
+            "content": [
+                {"type": "image", "image": image},
+                {"type": "text", "text": f"Instruction: {instruction}. Edit the image accordingly."},
+            ],
+        }
+    ]
 
-# 3. Función de generación con Inpainting
-@spaces.GPU
-def generate_cosplay_inpaint(input_dict, prompt, strength, steps):
-    # input_dict contiene la imagen original y los trazos del pincel
-    if input_dict is None or input_dict["background"] is None:
-        return None
-        
-    # 3.1 Procesar imagen original
-    image = input_dict["background"].convert("RGB").resize((1024, 1024))
-    
-    # 3.2 Construir la máscara desde los trazos del usuario
-    layers = input_dict.get("layers", [])
-    if not layers:
-        raise gr.Error("¡Debes usar el pincel para pintar sobre la ropa!")
-        
-    # Creamos una máscara negra vacía del mismo tamaño
-    mask = Image.new("L", image.size, 0)
-    
-    # Sumamos todos los trazos (capas) que el usuario dibujó
-    for layer in layers:
-        layer_resized = layer.convert("RGBA").resize((1024, 1024))
-        alpha_channel = layer_resized.split()[3] # Extraemos por dónde pasó el pincel
-        mask.paste(alpha_channel, (0, 0), alpha_channel)
-        
-    # 3.3 Configurar el prompt
-    full_prompt = f"{prompt}, r2cos"
-    
-    # 3.4 Ejecutar el modelo Inpaint
-    result = pipe(
-        prompt=full_prompt,
-        image=image,
-        mask_image=mask, # Aquí le pasamos la máscara a la IA
-        strength=strength,          
-        num_inference_steps=steps,  
-        guidance_scale=0.0
-    ).images[0]
+    # Procesar entrada
+    text = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
+    image_inputs, video_inputs = process_vision_info(messages)
+    inputs = processor(
+        text=[text],
+        images=image_inputs,
+        videos=video_inputs,
+        padding=True,
+        return_tensors="pt"
+    ).to("cuda")
+
+    # Generar (aquí el modelo devuelve la imagen editada)
+    generated_ids = model.generate(**inputs, max_new_tokens=2048)
     
-    return result
+    # Decodificar y procesar la salida (simplificado para el ejemplo)
+    # Nota: Qwen-VL suele devolver el resultado a través de una salida de pipeline
+    # específica definida en su model card.
+    return generated_ids
 
-# 4. Interfaz interactiva con editor de imagen
+# Interfaz
 demo = gr.Interface(
-    fn=generate_cosplay_inpaint, 
-    inputs=[
-        gr.ImageEditor(
-            type="pil", 
-            label="1. Sube tu foto y PINTA LA ROPA (deja la cara intacta)",
-            brush=gr.Brush(colors=["#FF0000"], color_mode="fixed") # Pincel rojo para ver bien
-        ), 
-        gr.Textbox(label="2. Descripción (Ej: detailed samurai armor, cyberpunk)"),
-        gr.Slider(minimum=0.1, maximum=1.0, value=0.85, step=0.05, label="Fuerza (Strength)"),
-        gr.Slider(minimum=10, maximum=30, value=20, step=1, label="Pasos (Steps)")
-    ], 
-    outputs=gr.Image(label="Resultado Cosplay"),
-    title="Kontext-Cosplay AI Inpaint",
-    description="Pinta de rojo la ropa y el fondo. La IA transformará solo la zona pintada, respetando la cara original."
+    fn=edit_image,
+    inputs=[gr.Image(type="pil"), gr.Textbox(label="Instrucción de Cosplay")],
+    outputs=gr.Image(),
+    title="Qwen-VL Cosplay Editor"
 )
 
 if __name__ == "__main__":