app.py

import gradio as gr
from transformers import AutoImageProcessor, AutoModel
import torch

# Cargar el modelo DINOv2 una sola vez
processor = AutoImageProcessor.from_pretrained("facebook/dinov2-base")
model = AutoModel.from_pretrained("facebook/dinov2-base")

def get_embedding(image):
    print("Tipo de imagen recibido:", type(image))
    inputs = processor(images=image, return_tensors="pt")
    with torch.no_grad():
        embeddings = model(**inputs).last_hidden_state[:, 0]  # CLS token
    return embeddings.squeeze().tolist()

# Gradio UI solo para aceptar imágenes y devolver JSON
iface = gr.Interface(
    fn=get_embedding,
    inputs=gr.Image(type="pil"),
    outputs="json",
    description="Microservicio para extraer embeddings de imágenes usando DINOv2."
)

iface.queue()  # 👈 Esta línea activa el sistema de event_id y polling
iface.launch()