Update app.py

app.py

@@ -14,27 +14,24 @@ app = FastAPI()
 # 🟢 Chọn thiết bị xử lý (GPU nếu có)
 device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
-# 🟢 Tải model DPT-Hybrid thay cho ZoeDepth để tăng tốc
+# 🟢 Tải model DPT-Swinv2 Tiny để tăng tốc
 feature_extractor = DPTFeatureExtractor.from_pretrained("Intel/dpt-swinv2-tiny-256")
 model = DPTForDepthEstimation.from_pretrained("Intel/dpt-swinv2-tiny-256").to(device)
 model.eval()
 
-def process_depth_map(image_bytes):
+def process_depth_map(image_pil):
     """Xử lý Depth Map và hiển thị trên Hugging Face"""
     start_time = time.time()
 
-    # 🟢 Đọc file ảnh
-    image = Image.open(io.BytesIO(image_bytes)).convert("RGB")
-
     # 🔵 Resize ảnh để tăng tốc độ xử lý
-    image = image.resize((256, 256))
+    image = image_pil.resize((256, 256))
     image_np = np.array(image)
     flipped_image = cv2.flip(image_np, -1)
 
     # 🟢 Chuẩn bị ảnh cho mô hình
     inputs = feature_extractor(images=flipped_image, return_tensors="pt").to(device)
 
-    # 🟢 Dự đoán Depth Map với DPT-Hybrid
+    # 🟢 Dự đoán Depth Map với DPT-Swinv2 Tiny
     with torch.no_grad():
         outputs = model(**inputs)
 
@@ -49,12 +46,12 @@ def process_depth_map(image_bytes):
     end_time = time.time()
     print(f"⏳ DPT xử lý trong {end_time - start_time:.4f} giây")
 
-    return depth_pil  # Trả về ảnh để hiển thị trên Hugging Face
+    return depth_pil  # Trả về ảnh để hiển thị trên Gradio
 
 # 🟢 Tạo UI trên Hugging Face Spaces với Gradio
 gr.Interface(
     fn=process_depth_map,
-    inputs=gr.Image(type="bytes"),
+    inputs=gr.Image(type="pil"),  # 🔥 Sửa lỗi: dùng "pil" thay vì "bytes"
     outputs=gr.Image(type="pil"),
     title="🔍 Depth Map Estimation",
     description="Tải ảnh lên để xem Depth Map",