Create app.py

app.py

@@ -0,0 +1,92 @@
+from fastapi import FastAPI
+import gradio as gr
+from PIL import Image
+import numpy as np
+import torch
+from transformers import pipeline
+import cv2
+
+app = FastAPI()
+
+# 딥러닝 모델 로드 (Depth Anything)
+# 모델 로딩은 앱 시작 시 한 번만 하도록 글로벌 변수로 설정
+print("Loading Depth Anything model...")
+try:
+    depth_estimator = pipeline(task="depth-estimation", model="LiangNX/depth-anything-hf")
+    print("Depth Anything model loaded successfully.")
+except Exception as e:
+    print(f"Error loading Depth Anything model: {e}")
+    depth_estimator = None # 모델 로드 실패 시 None으로 설정
+
+def process_image_for_depth(image_path_or_pil_image):
+    if depth_estimator is None:
+        return None, "Error: Depth Anything model not loaded."
+
+    # Gradio는 PIL Image 객체로 이미지를 전달합니다.
+    if isinstance(image_path_or_pil_image, str):
+        image = Image.open(image_path_or_pil_image).convert("RGB")
+    else:
+        image = image_path_or_pil_image.convert("RGB")
+
+    try:
+        # Depth Anything 모델 추론
+        # result는 딕셔너리로, 'depth' (PIL Image)와 'depth_npy' (numpy array)를 포함
+        result = depth_estimator(image)
+        
+        # 뎁스 맵 (PIL Image)
+        depth_image_pil = result["depth"]
+        
+        # 뎁스 맵 (Numpy Array) - 시각화를 위해 정규화
+        depth_np = result["depth_npy"]
+        normalized_depth_np = (depth_np - depth_np.min()) / (depth_np.max() - depth_np.min()) * 255
+        normalized_depth_np = normalized_depth_np.astype(np.uint8)
+        
+        # 흑백 이미지로 변환 (PIL Image)
+        depth_grayscale_pil = Image.fromarray(normalized_depth_np)
+
+        return depth_grayscale_pil, None
+    except Exception as e:
+        return None, f"Error processing image for depth: {e}"
+
+# Gradio 인터페이스 정의
+with gr.Blocks() as demo:
+    gr.Markdown("# 🧑‍💻 얼굴 뎁스 맵 추출기")
+    gr.Markdown("여러 장의 얼굴 사진을 업로드하면 각 사진에서 딥러닝을 통해 뎁스 맵(깊이 정보)을 추출합니다.")
+    
+    with gr.Row():
+        input_images = gr.File(label="얼굴 사진 업로드 (최대 10장 권장)", file_count="multiple", type="filepath")
+        
+    output_gallery = gr.Gallery(label="원본 이미지 및 뎁스 맵", columns=[2], rows=[1], object_fit="contain", height="auto")
+    
+    process_button = gr.Button("뎁스 맵 추출 시작")
+    
+    def process_all_images(image_paths):
+        if not image_paths:
+            return [(None, "이미지를 업로드해주세요.")]
+        
+        results = []
+        for i, path in enumerate(image_paths):
+            original_image = Image.open(path).convert("RGB")
+            depth_map_pil, error = process_image_for_depth(original_image)
+            
+            if error:
+                print(f"Error processing image {i+1}: {error}")
+                results.append((original_image, f"Error: {error}"))
+            else:
+                results.append((original_image, f"원본 이미지 {i+1}"))
+                results.append((depth_map_pil, f"뎁스 맵 {i+1}"))
+        return results
+
+    process_button.click(
+        fn=process_all_images,
+        inputs=input_images,
+        outputs=output_gallery
+    )
+    
+# Gradio 앱을 FastAPI에 마운트
+app = gr.mount_gradio_app(app, demo, path="/")
+
+# FastAPI 기본 엔드포인트 (선택 사항, Gradio 앱이 기본 경로를 점유함)
+@app.get("/api")
+def read_root():
+    return {"message": "Welcome to the Face Depth Map Extractor! Visit / for the UI."}