添加演示模式支持，优化图像生成逻辑，更新边界框绘制功能，调整requirements.txt以启用必要的依赖项。

app.py

@@ -1,12 +1,18 @@
 import gradio as gr
 import spaces
+import torch
+import numpy as np
+from PIL import Image, ImageDraw
 import json
 import warnings
+from typing import Optional
+
 try:
     from dream_renderer import DreamRendererPipeline
+    DEMO_MODE = False
 except ImportError:
     print("Warning: dream_renderer 模块未找到。将使用演示模式。")
-    # raise
+    DEMO_MODE = True
 
 warnings.filterwarnings("ignore")
 
@@ -14,23 +20,129 @@ warnings.filterwarnings("ignore")
 pipeline = None
 current_bbox_data = []
 
-@spaces.GPU
-def initialize_pipeline():
-    """初始化DreamRenderer管道"""
-    global pipeline
+def create_demo_image(prompt: str, bbox_data: list, width: int = 512, height: int = 512):
+    """创建演示图像"""
+    # 创建一个简单的演示图像
+    image = Image.new('RGB', (width, height), color='lightblue')
+    draw = ImageDraw.Draw(image)
+    
+    # 绘制背景文字
     try:
-        if pipeline is None:
-            pipeline = DreamRendererPipeline()
-            # 预加载模型以节省时间
-            success = pipeline.load_model()
-            if success:
-                return "✅ DreamRenderer管道已成功初始化并加载模型！"
-            else:
-                return "⚠️ DreamRenderer管道已初始化，但模型加载失败。将使用演示模式。"
-        else:
-            return "✅ DreamRenderer管道已经初始化完成！"
+        # 尝试绘制提示词
+        draw.text((10, 10), f"演示模式: {prompt[:50]}", fill='darkblue')
+        draw.text((10, 30), f"边界框数量: {len(bbox_data)}", fill='darkblue')
+        
+        # 绘制边界框
+        for i, bbox in enumerate(bbox_data):
+            x = int(bbox['x'] * width)
+            y = int(bbox['y'] * height)
+            w = int(bbox['width'] * width)
+            h = int(bbox['height'] * height)
+            
+            # 绘制边界框
+            color = f"hsl({i * 60}, 70%, 50%)"
+            # 简单的颜色映射
+            colors = ['red', 'green', 'blue', 'yellow', 'purple', 'orange']
+            bbox_color = colors[i % len(colors)]
+            
+            draw.rectangle([x, y, x+w, y+h], outline=bbox_color, width=2)
+            draw.text((x+5, y+5), bbox.get('label', f'区域{i+1}'), fill=bbox_color)
+            
     except Exception as e:
-        return f"❌ 初始化失败: {str(e)}"
+        draw.text((10, 50), f"绘制错误: {str(e)}", fill='red')
+    
+    return image
+
+# 根据是否是演示模式决定是否使用GPU装饰器
+if DEMO_MODE:
+    def initialize_pipeline():
+        """初始化DreamRenderer管道（演示模式）"""
+        return "✅ 演示模式已启动！（未加载实际模型）"
+    
+    def generate_image_with_bbox(prompt: str, negative_prompt: str,
+                               num_inference_steps: int, guidance_scale: float, 
+                               width: int, height: int, seed: int, use_seed: bool):
+        """使用边界框生成图像（演示模式）"""
+        global current_bbox_data
+        
+        if not prompt.strip():
+            return None, "❌ 请输入提示词！"
+        
+        try:
+            # 创建演示图像
+            image = create_demo_image(prompt, current_bbox_data, width, height)
+            
+            info = f"✅ 演示图像生成成功！\n"
+            info += f"🔸 使用边界框: {len(current_bbox_data)}个\n"
+            info += f"🔸 推理步数: {num_inference_steps}\n"
+            info += f"🔸 引导强度: {guidance_scale}\n"
+            info += f"🔸 图像尺寸: {width}×{height}\n"
+            info += f"🔸 模式: 演示模式（非实际AI生成）\n"
+            if use_seed:
+                info += f"🔸 随机种子: {seed}"
+            
+            return image, info
+        except Exception as e:
+            return None, f"❌ 生成演示图像时出错: {str(e)}"
+else:
+    @spaces.GPU
+    def initialize_pipeline():
+        """初始化DreamRenderer管道"""
+        global pipeline
+        try:
+            if pipeline is None:
+                pipeline = DreamRendererPipeline()
+                # 预加载模型以节省时间
+                success = pipeline.load_model()
+                if success:
+                    return "✅ DreamRenderer管道已成功初始化并加载模型！"
+                else:
+                    return "⚠️ DreamRenderer管道已初始化，但模型加载失败。将使用演示模式。"
+            else:
+                return "✅ DreamRenderer管道已经初始化完成！"
+        except Exception as e:
+            return f"❌ 初始化失败: {str(e)}"
+
+    @spaces.GPU
+    def generate_image_with_bbox(prompt: str, negative_prompt: str,
+                               num_inference_steps: int, guidance_scale: float, 
+                               width: int, height: int, seed: int, use_seed: bool):
+        """使用边界框生成图像"""
+        global pipeline, current_bbox_data
+        
+        if pipeline is None:
+            return None, "❌ 请先初始化DreamRenderer管道！"
+        
+        if not prompt.strip():
+            return None, "❌ 请输入提示词！"
+        
+        try:
+            # 设置种子
+            actual_seed = seed if use_seed else None
+            
+            # 生成图像
+            image = pipeline.generate_image(
+                prompt=prompt,
+                bbox_data=current_bbox_data,
+                negative_prompt=negative_prompt,
+                num_inference_steps=num_inference_steps,
+                guidance_scale=guidance_scale,
+                width=width,
+                height=height,
+                seed=actual_seed
+            )
+            
+            info = f"✅ 图像生成成功！\n"
+            info += f"🔸 使用边界框: {len(current_bbox_data)}个\n"
+            info += f"🔸 推理步数: {num_inference_steps}\n"
+            info += f"🔸 引导强度: {guidance_scale}\n"
+            info += f"🔸 图像尺寸: {width}×{height}\n"
+            if actual_seed is not None:
+                info += f"🔸 随机种子: {actual_seed}"
+            
+            return image, info
+        except Exception as e:
+            return None, f"❌ 生成图像时出错: {str(e)}"
 
 def load_bbox_component():
     """加载边界框绘制组件"""
@@ -154,47 +266,6 @@ def update_bbox_data(bbox_json: str):
         current_bbox_data = []
         return f"❌ 处理边界框数据时出错: {str(e)}", ""
 
-@spaces.GPU
-def generate_image_with_bbox(prompt: str, negative_prompt: str,
-                           num_inference_steps: int, guidance_scale: float, 
-                           width: int, height: int, seed: int, use_seed: bool):
-    """使用边界框生成图像"""
-    global pipeline, current_bbox_data
-    
-    if pipeline is None:
-        return None, "❌ 请先初始化DreamRenderer管道！"
-    
-    if not prompt.strip():
-        return None, "❌ 请输入提示词！"
-    
-    try:
-        # 设置种子
-        actual_seed = seed if use_seed else None
-        
-        # 生成图像
-        image = pipeline.generate_image(
-            prompt=prompt,
-            bbox_data=current_bbox_data,
-            negative_prompt=negative_prompt,
-            num_inference_steps=num_inference_steps,
-            guidance_scale=guidance_scale,
-            width=width,
-            height=height,
-            seed=actual_seed
-        )
-        
-        info = f"✅ 图像生成成功！\n"
-        info += f"🔸 使用边界框: {len(current_bbox_data)}个\n"
-        info += f"🔸 推理步数: {num_inference_steps}\n"
-        info += f"🔸 引导强度: {guidance_scale}\n"
-        info += f"🔸 图像尺寸: {width}×{height}\n"
-        if actual_seed is not None:
-            info += f"🔸 随机种子: {actual_seed}"
-        
-        return image, info
-    except Exception as e:
-        return None, f"❌ 生成图像时出错: {str(e)}"
-
 def create_interface():
     """创建Gradio界面"""
     
@@ -237,34 +308,72 @@ def create_interface():
     """
     
     with gr.Blocks(css=css, title="DreamRenderer - Multi-Instance Control", theme=gr.themes.Soft()) as demo:
-        gr.HTML("""
-        <div style="text-align: center; padding: 20px;">
-            <h1 style="background: linear-gradient(45deg, #FF6B6B, #4ECDC4); -webkit-background-clip: text; -webkit-text-fill-color: transparent; font-size: 3em; margin-bottom: 10px;">
-                🎨 DreamRenderer
-            </h1>
-            <h2 style="color: #666; margin-bottom: 20px;">Multi-Instance Attribute Control</h2>
-            <p style="font-size: 1.2em; color: #888; max-width: 800px; margin: 0 auto;">
-                基于ZeroGPU的高质量多实例属性控制文本到图像生成工具
-            </p>
-        </div>
-        """)
+        # 根据模式显示不同的标题
+        if DEMO_MODE:
+            gr.HTML("""
+            <div style="text-align: center; padding: 20px;">
+                <h1 style="background: linear-gradient(45deg, #FF6B6B, #4ECDC4); -webkit-background-clip: text; -webkit-text-fill-color: transparent; font-size: 3em; margin-bottom: 10px;">
+                    🎨 DreamRenderer (演示模式)
+                </h1>
+                <h2 style="color: #666; margin-bottom: 20px;">Multi-Instance Attribute Control</h2>
+                <div style="background: #fff3cd; border: 1px solid #ffeaa7; border-radius: 8px; padding: 15px; margin: 20px auto; max-width: 800px;">
+                    <p style="margin: 0; color: #856404; font-size: 1.1em;">
+                        ⚠️ <strong>当前运行在演示模式下</strong><br>
+                        由于缺少实际的AI模型，系统将生成简单的演示图像来展示界面功能。<br>
+                        您仍然可以测试边界框绘制和参数设置功能。
+                    </p>
+                </div>
+            </div>
+            """)
+        else:
+            gr.HTML("""
+            <div style="text-align: center; padding: 20px;">
+                <h1 style="background: linear-gradient(45deg, #FF6B6B, #4ECDC4); -webkit-background-clip: text; -webkit-text-fill-color: transparent; font-size: 3em; margin-bottom: 10px;">
+                    🎨 DreamRenderer
+                </h1>
+                <h2 style="color: #666; margin-bottom: 20px;">Multi-Instance Attribute Control</h2>
+                <p style="font-size: 1.2em; color: #888; max-width: 800px; margin: 0 auto;">
+                    基于ZeroGPU的高质量多实例属性控制文本到图像生成工具
+                </p>
+            </div>
+            """)
         
         # 使用说明
         with gr.Accordion("📖 使用说明", open=False):
-            gr.Markdown("""
-            ### 🚀 快速开始：
-            1. **初始化**: 点击"初始化DreamRenderer"按钮加载模型
-            2. **绘制区域**: 在画布上拖拽鼠标绘制边界框
-            3. **添加描述**: 为每个边界框输入描述文本
-            4. **设置参数**: 调整生成参数（可选）
-            5. **生成图像**: 输入主提示词并点击生成
-            
-            ### ✨ 功能特点：
-            - 🎯 **精确控制**: 通过边界框精确控制每个实例的位置和属性
-            - 🚀 **ZeroGPU加速**: 利用Hugging Face的ZeroGPU实现快速推理
-            - 🎨 **高质量生成**: 基于FLUX模型的高质量图像生成
-            - 🔧 **灵活参数**: 丰富的参数调节选项
-            """)
+            if DEMO_MODE:
+                gr.Markdown("""
+                ### 🚀 演示模式说明：
+                1. **功能测试**: 点击"初始化"按钮启动演示模式
+                2. **绘制区域**: 在画布上拖拽鼠标绘制边界框
+                3. **添加描述**: 为每个边界框输入描述文本
+                4. **设置参数**: 调整生成参数（用于演示）
+                5. **生成图像**: 输入主提示词并点击生成演示图像
+                
+                ### ⚠️ 演示模式限制：
+                - 🎯 **界面功能**: 所有界面功能都可以正常使用
+                - 🖼️ **图像生成**: 生成的是简单的演示图像，非AI生成
+                - 📦 **边界框**: 边界框绘制和编辑功能完全正常
+                - 🔧 **参数调节**: 参数设置功能正常，但不影响实际生成
+                
+                ### 📌 完整功能需要：
+                - 安装完整的AI模型（dream_renderer模块）
+                - 配置ZeroGPU环境
+                """)
+            else:
+                gr.Markdown("""
+                ### 🚀 快速开始：
+                1. **初始化**: 点击"初始化DreamRenderer"按钮加载模型
+                2. **绘制区域**: 在画布上拖拽鼠标绘制边界框
+                3. **添加描述**: 为每个边界框输入描述文本
+                4. **设置参数**: 调整生成参数（可选）
+                5. **生成图像**: 输入主提示词并点击生成
+                
+                ### ✨ 功能特点：
+                - 🎯 **精确控制**: 通过边界框精确控制每个实例的位置和属性
+                - 🚀 **ZeroGPU加速**: 利用Hugging Face的ZeroGPU实现快速推理
+                - 🎨 **高质量生成**: 基于FLUX模型的高质量图像生成
+                - 🔧 **灵活参数**: 丰富的参数调节选项
+                """)
         
         with gr.Row():
             # 左侧：边界框绘制和控制
@@ -272,7 +381,10 @@ def create_interface():
                 # 初始化部分
                 with gr.Group():
                     gr.Markdown("### 🚀 模型初始化")
-                    init_btn = gr.Button("🚀 初始化DreamRenderer", variant="primary")
+                    if DEMO_MODE:
+                        init_btn = gr.Button("🚀 启动演示模式", variant="primary")
+                    else:
+                        init_btn = gr.Button("🚀 初始化DreamRenderer", variant="primary")
                     init_status = gr.Textbox(label="初始化状态", interactive=False, lines=2)
                 
                 # 边界框绘制区域

requirements.txt

@@ -1,10 +1,10 @@
 gradio==5.31.0
 spaces>=0.28.0
-# torch>=2.0.0
-# torchvision
-# diffusers>=0.21.0
-# transformers>=4.30.0
-# accelerate
-# pillow
-# numpy
-# opencv-python-headless 
+torch>=2.0.0
+torchvision
+diffusers>=0.21.0
+transformers>=4.30.0
+accelerate
+pillow
+numpy
+opencv-python-headless