Create app.py

app.py

@@ -0,0 +1,53 @@
+import gradio as gr
+import torch
+from models.TCVC import TCVC_Model  # Assurez-vous que le chemin est correct après avoir cloné le repo
+import cv2
+import os
+
+# Charger le modèle pré-entraîné
+def load_model():
+    model = TCVC_Model()
+    model.load_state_dict(torch.load("path_to_pretrained_model.pth"))  # Charge le modèle pré-entraîné
+    model.eval()  # Mode évaluation
+    return model
+
+# Fonction de colorisation de la vidéo
+def colorize_video(video_path):
+    model = load_model()
+
+    # Lire la vidéo
+    cap = cv2.VideoCapture(video_path)
+    frame_width = int(cap.get(3))
+    frame_height = int(cap.get(4))
+    fps = cap.get(cv2.CAP_PROP_FPS)
+
+    output_path = "colorized_output.mp4"
+    out = cv2.VideoWriter(output_path, cv2.VideoWriter_fourcc(*'mp4v'), fps, (frame_width, frame_height))
+
+    while(cap.isOpened()):
+        ret, frame = cap.read()
+        if not ret:
+            break
+        # Convertir l'image en noir et blanc en couleur
+        color_frame = model.colorize_frame(frame)
+        out.write(color_frame)
+
+    cap.release()
+    out.release()
+    return output_path
+
+# Interface Gradio
+def process_video(video):
+    colorized_video = colorize_video(video.name)
+    return colorized_video
+
+# Créer l'interface Gradio
+interface = gr.Interface(fn=process_video, 
+                         inputs=gr.Video(label="Télécharger une vidéo en noir et blanc"),
+                         outputs=gr.Video(label="Vidéo colorisée"),
+                         title="Colorisation vidéo",
+                         description="Téléchargez une vidéo en noir et blanc et obtenez une version colorisée.")
+
+# Lancer l'interface
+if __name__ == "__main__":
+    interface.launch()