Spaces:
Sleeping
Sleeping
File size: 2,044 Bytes
489147e ee565af 489147e a65ad61 489147e ee565af 489147e ee565af 489147e a65ad61 ee565af 489147e ee565af 489147e ee565af |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 |
import numpy as np
import torch
from PIL import Image
from transformers import AutoImageProcessor, AutoModel
# Modello base (addestrato su ImageNet) -- dimensione media.
# Puoi anche provare "google/vit-base-patch16-224" (senza -in21k),
# "openai/clip-vit-base-patch32", o altri modelli vision.
MODEL_NAME = "google/vit-base-patch16-224-in21k"
processor = AutoImageProcessor.from_pretrained(MODEL_NAME)
model = AutoModel.from_pretrained(MODEL_NAME)
model.eval() # Modalità di sola inferenza
def get_embedding(pil_image: Image.Image) -> np.ndarray:
"""
Converte l'immagine PIL in embedding (vettore) usando il modello Vit.
"""
# Prepara i tensori per il modello
inputs = processor(images=pil_image, return_tensors="pt")
with torch.no_grad():
outputs = model(**inputs)
# outputs.last_hidden_state: [batch_size, seq_len, hidden_size]
# Usiamo il mean pooling sui token dell'immagine per ottenere un vettore unico
embeddings = outputs.last_hidden_state.mean(dim=1).squeeze()
return embeddings.cpu().numpy()
def compare_signatures(pil_image1: Image.Image, pil_image2: Image.Image) -> float:
"""
Estrae gli embedding da due firme e calcola la similarità (cosine similarity).
Maggiore il valore, più simili (1 = identiche, 0 = ortogonali, -1 = opposte).
"""
emb1 = get_embedding(pil_image1)
emb2 = get_embedding(pil_image2)
# Calcoliamo la cos similarity
cos_sim = np.dot(emb1, emb2) / (np.linalg.norm(emb1) * np.linalg.norm(emb2))
return cos_sim
import gradio as gr
def gradio_compare_signatures(img1, img2):
# Confronta le due firme e ritorna la similarità
if img1 is None or img2 is None:
return "Carica entrambe le firme."
sim = compare_signatures(img1, img2)
return f"Similarità (cosine): {sim:.4f}"
demo = gr.Interface(
fn=gradio_compare_signatures,
inputs=[gr.Image(type="pil"), gr.Image(type="pil")],
outputs="text",
title="Signature Similarity"
)
if __name__ == "__main__":
demo.launch()
|