app.py

import os
import torch
from torchvision import transforms
from PIL import Image
import numpy as np
import gradio as gr
from watermark_remover import WatermarkRemover

# デバイス：CPU専用
device = torch.device("cpu")

# モデル読み込み
model = WatermarkRemover().to(device)
model.load_state_dict(torch.load("model.pth", map_location=device))
model.eval()

# 画像変換用トランスフォーム
transform = transforms.Compose([
    transforms.Resize((256, 256)),
    transforms.ToTensor()
])

# 推論関数
def remove_watermark(image: Image.Image, num_samples: int = 10) -> Image.Image:
    original_size = image.size
    image = image.convert("RGB")
    input_tensor = transform(image).unsqueeze(0).to(device)

    outputs = []
    with torch.no_grad():
        for _ in range(num_samples):
            output_tensor = model(input_tensor)
            outputs.append(output_tensor)

    # 複数回の出力を平均化
    avg_output = torch.stack(outputs, dim=0).mean(dim=0)

    predicted_image = avg_output.squeeze(0).cpu().permute(1, 2, 0).clamp(0, 1).numpy()
    predicted_pil = Image.fromarray((predicted_image * 255).astype(np.uint8))
    predicted_pil = predicted_pil.resize(original_size, Image.Resampling.LANCZOS)

    return predicted_pil


# Gradio UI
app = gr.Interface(
    fn=remove_watermark,
    inputs=gr.Image(type="pil", label="ウォーターマーク付き画像をアップロード"),
    outputs=gr.Image(type="pil", label="ウォーターマーク除去後の画像"),
    title="ウォーターマーク除去AI (CPU対応)",
    description="このアプリは、FODUU AIが開発したモデルを使用して画像からウォーターマークを除去します。※ 処理には数秒かかる場合があります。"
)

# アプリ実行
if __name__ == "__main__":
    app.launch()