import gradio as gr
from transformers import pipeline
from PIL import Image

# 이미지 인식 파이프라인 로드
model = pipeline("image-classification", model="google/vit-base-patch16-224")

def classify_image(uploaded_image):
    # 업로드된 이미지가 PIL 이미지 객체가 아닌 경우 변환
    if not isinstance(uploaded_image, Image.Image):
        # 업로드된 이미지가 PIL 이미지 객체가 아니면, 이 부분을 처리하는 로직 추가
        # 예: uploaded_image = Image.open(io.BytesIO(uploaded_image))
        raise ValueError("Uploaded image is not a PIL Image object.")
    
    predictions = model(uploaded_image)
    return {prediction['label']: prediction['score'] for prediction in predictions}

# Gradio 인터페이스 생성
iface = gr.Interface(fn=classify_image,
                     inputs=gr.Image(),
                     outputs=gr.Label(num_top_classes=3),
                     title="이미지 분류기",
                     description="이미지를 업로드하면, 사물을 인식하고 최상위 3개의 분류 결과를 출력합니다.")

# 인터페이스 실행
iface.launch()