Spaces:
Running
Running
| # Documentación del Proyecto: Generación de Avatares Personalizados de Palomas | |
| ## Descripción del Proyecto | |
| Este proyecto combina dos modelos de inteligencia artificial disponibles en Hugging Face para generar **avatares personalizados de palomas**. El sistema toma como entrada una imagen de una paloma, genera una descripción textual de la misma, y a partir de esta descripción crea un avatar estilizado basado en la preferencia del usuario. | |
| ## ¿Por qué he decidido realizar este proyecto? | |
| Actualmente estoy trabajando en una aplicación para palomos de competición de la asociación de colombicultura de guadalcacín, | |
| he pensado que poder generar avatares para los palomos más destacados (o los palomos que el usuario quiera) con inteligencia artificial, | |
| podría ser una gran implementación. La idea es que el usuario pueda hacer una foto de su palomo y que la IA genere una foto para el avatar | |
| de dicho palomo. | |
| ### Problema a Resolver | |
| La generación automática de avatares personalizados a partir de imágenes específicas es un desafío que combina la **comprensión visual** y la **generación de imágenes**. Este sistema facilita la creación de avatares únicos basados en fotografías, ofreciendo múltiples estilos gráficos, lo que es útil para: | |
| - Redes sociales personalizadas. | |
| - Juegos con avatares estilizados. | |
| - Identidades gráficas en comunidades digitales. | |
| ### Solución Propuesta | |
| La solución se implementa en dos fases: | |
| 1. **Descripción de la Imagen**: Analizar la imagen de una paloma y generar una descripción textual. | |
| 2. **Generación del Avatar**: Usar la descripción textual para generar un avatar estilizado en el estilo seleccionado por el usuario. | |
| ### Flujo del Sistema | |
| 1. El usuario sube una imagen de una paloma. | |
| 2. El modelo de descripción genera un texto basado en la imagen. | |
| 3. El usuario selecciona un estilo gráfico para el avatar. | |
| 4. Un modelo de generación de imágenes produce avatares basados en la descripción y el estilo. | |
| ## Entrada y Salida | |
| ### Input | |
| 1. **Imagen**: Imagen de una paloma, cargada por el usuario. | |
| 2. **Estilo del avatar** (opcional): Selección del usuario entre opciones como: | |
| - Realista | |
| - Arte Pixelado | |
| - Imaginativo | |
| - Dibujo Animado | |
| ### Output | |
| Una galería de **tres avatares estilizados** generados a partir de la descripción de la imagen y el estilo seleccionado. | |
| --- | |
| ## Modelos Utilizados | |
| ### 1. **Modelo de Descripción de Imágenes** | |
| - **Nombre**: [vikhyatk/moondream2](https://huggingface.co/vikhyatk/moondream2) | |
| - **Clasificación**: Modelo de Lenguaje Generativo con Capacidades de Visión. | |
| - **Descripción**: Este modelo genera descripciones textuales detalladas basadas en el análisis de imágenes. | |
| - **Posibles Limitaciones**: | |
| - La descripción puede ser genérica si la imagen tiene elementos ambiguos. | |
| - Limitada a dominios visuales preentrenados (puede no reconocer especies raras de palomas). | |
| ### 2. **Modelo de Generación de Imágenes** | |
| - **Nombre**: [black-forest-labs/FLUX.1-dev](https://huggingface.co/black-forest-labs/FLUX.1-dev) | |
| - **Clasificación**: Modelo de Difusión Estilizado. | |
| - **Descripción**: Genera imágenes estilizadas basadas en prompts textuales. Permite control mediante parámetros como semillas para resultados reproducibles. | |
| - **Posibles Limitaciones**: | |
| - La calidad del avatar depende de la coherencia del prompt generado. | |
| - El rendimiento puede ser inferior en dispositivos sin GPU. | |
| ### 3. **Modelo de Generación de Imágenes** | |
| Si bien ha sido reemplazado por Flux.1-dev, e un inicio se iba a utilizar [stable-diffusion-v1-5/stable-diffusion-v1-5](https://huggingface.co/stable-diffusion-v1-5/stable-diffusion-v1-5) | |
| este cambio lo he realizado porque buscaba una mejor experiencia de usuario, ya que, con Flux.1-dev, el cual cuenta con unos 12b de parámetros, | |
| consigo unos resultados gracias a su API no solo en menos tiempo, sino que con mejor calidad. Si bien la implementación de stable-diffusion-v1 | |
| me ha servido para implementar un modelo de texto a imagen con diffuser y practicarlo, no daba los resultados que realmente esperaba para la demo y además, | |
| en el espacio de la plataforma hugging face tardaba demasiado en generar la imagen. | |
| --- | |
| ## Implementación Técnica | |
| La solución utiliza la biblioteca **Gradio** para ofrecer una interfaz de usuario interactiva y accesible: | |
| - **Cargar Imagen**: El usuario sube la imagen de la paloma. | |
| - **Seleccionar Estilo**: El usuario selecciona un estilo de avatar. | |
| - **Generar Avatares**: Se genera una galería con tres avatares estilizados. | |
| El sistema soporta múltiples dispositivos (CPU, GPU y Apple Silicon). | |
| --- | |
| ## Potenciales Usos y Expansión | |
| 1. **Avatares personalizados en redes sociales.** | |
| 2. **Identidad visual para juegos.** | |
| 3. **Expansión a otros dominios** (e.g., avatares para perros, gatos, etc.). | |
| ## Limitaciones y Consideraciones | |
| - **Calidad de Entrada**: Las imágenes de baja resolución o con obstrucciones pueden afectar la precisión de la descripción. | |
| - **Estilos Limitados**: Ampliar los estilos disponibles requiere ajustar los prompts o integrar nuevos modelos. | |
| - **Dependencia de Recursos**: La generación de imágenes estilizadas puede ser lenta en dispositivos sin GPU. | |
| --- | |
| Este proyecto demuestra cómo la combinación de modelos generativos puede resolver problemas complejos de personalización visual, ofreciendo una solución creativa y flexible para múltiples dominios. | |