city

app.py

@@ -15,7 +15,7 @@ model = TFSegformerForSemanticSegmentation.from_pretrained(
 )
 
 def ade_palette():
-    """ADE20K palette that maps each class to RGB values."""
+    """ADE20K 팔레트 - 각 클래스를 RGB 값에 매핑합니다."""
     return [
         [204, 87, 92],
         [112, 185, 212],
@@ -48,10 +48,10 @@ colormap = np.asarray(ade_palette())
 
 def label_to_color_image(label):
     if label.ndim != 2:
-        raise ValueError("Expect 2-D input label")
+        raise ValueError("2-D 입력 라벨이 필요합니다.")
 
     if np.max(label) >= len(colormap):
-        raise ValueError("label value too large.")
+        raise ValueError("라벨 값이 너무 큽니다.")
     return colormap[label]
 
 def draw_plot(pred_img, seg):
@@ -76,11 +76,11 @@ def draw_plot(pred_img, seg):
     return fig
 
 def sepia(input_text):
-    # Check if the input text is a valid file path
+    # 입력 텍스트가 유효한 파일 경로인지 확인
     if not os.path.isfile(input_text):
-        return "Invalid file path. Please enter a valid image file path."
+        return "유효하지 않은 파일 경로입니다. 유효한 이미지 파일 경로를 입력해주세요."
 
-    # Load the image using the input text (assumed to be a path to an image)
+    # 입력 텍스트를 사용하여 이미지를 로드 (이미지 파일 경로로 가정)
     input_img = Image.open(input_text)
 
     inputs = feature_extractor(images=input_img, return_tensors="tf")
@@ -102,13 +102,13 @@ def sepia(input_text):
     pred_img = np.array(input_img) * 0.5 + color_seg * 0.5
     pred_img = pred_img.astype(np.uint8)
 
-    # Convert the image array to a format suitable for Gradio
+    # Gradio에 적합한 형식으로 이미지 배열 변환
     pred_img = Image.fromarray(pred_img)
 
     return pred_img
 
-# Define the Gradio interface
+# Gradio 인터페이스 정의
 iface = gr.Interface(fn=sepia, inputs="image", outputs="image")
 
-# Launch the Gradio app
-iface.launch()
+# Gradio 앱 시작
+iface.launch()