Spaces:
Running
Running
File size: 2,219 Bytes
f55b4f4 195a17a 13e1420 56d08ee 195a17a 13e1420 56d08ee 13e1420 3cdf272 13e1420 3cdf272 13e1420 195a17a 13e1420 195a17a 13e1420 091614b 13e1420 195a17a 13e1420 195a17a 13e1420 195a17a |
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 62 63 64 65 66 67 68 69 |
import torch
import gradio as gr
import cv2
import numpy as np
# Chemin vers le modèle
MODEL_PATH = 'ColorizeVideo_gen.pth'
# Charger le modèle
def load_model(model_path):
model = torch.load(model_path, map_location=torch.device('cpu')) # Charger sur le CPU
model.eval() # Met le modèle en mode évaluation
return model
# Prétraitement de l'image
def preprocess_frame(frame):
# Redimensionner et normaliser
frame = cv2.resize(frame, (224, 224)) # Ajustez la taille si nécessaire
frame = frame / 255.0 # Normaliser
input_tensor = torch.from_numpy(frame.astype(np.float32)).permute(2, 0, 1) # Convertir en format Tensor
return input_tensor.unsqueeze(0) # Ajouter une dimension de lot
# Traitement de la vidéo
def process_video(model, video_path):
cap = cv2.VideoCapture(video_path)
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
output_path = "output_video.mp4"
out = cv2.VideoWriter(output_path, fourcc, 30.0, (int(cap.get(3)), int(cap.get(4))))
while cap.isOpened():
ret, frame = cap.read()
if not ret:
break
# Prétraiter le cadre
input_tensor = preprocess_frame(frame)
# Faire des prédictions
with torch.no_grad():
predictions = model(input_tensor)
# Traiter les prédictions et convertir en image
output_frame = (predictions.squeeze().permute(1, 2, 0).numpy() * 255).astype(np.uint8)
# Écrire le cadre traité dans la sortie
out.write(output_frame)
cap.release()
out.release()
return output_path
# Interface Gradio
def colorize_video(video):
model = load_model(MODEL_PATH)
output_video_path = process_video(model, video.name) # Utiliser le nom pour lire la vidéo
return output_video_path
# Configuration de l'interface Gradio
iface = gr.Interface(
fn=colorize_video,
inputs=gr.Video(label="Téléchargez une vidéo"),
outputs=gr.Video(label="Vidéo colorisée"),
title="Colorisation de Vidéos",
description="Chargez une vidéo en noir et blanc et utilisez le modèle de colorisation pour obtenir une vidéo colorisée."
)
if __name__ == '__main__':
iface.launch()
|