Update app.py

app.py

@@ -37,198 +37,119 @@ class SteelBlueTheme(Soft):
 steel_blue_theme = SteelBlueTheme()
 
 device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
-dtype = torch.bfloat16 if torch.cuda.is_available() else torch.float32
+dtype = torch.float16 if torch.cuda.is_available() else torch.float32
 
 print("=" * 50)
-print("🎨 Anime/Manga Photo Restoration with ControlNet")
+print("🎨 T2I-Adapter Photo Restoration")
 print("=" * 50)
 print("Using device:", device)
+print("Models: SD1.5 + SDXL with T2I-Adapters")
 print("=" * 50)
 
-from diffusers import ControlNetModel, StableDiffusionXLControlNetPipeline, StableDiffusionXLPipeline, AutoencoderKL
+from diffusers import (
+    StableDiffusionAdapterPipeline, 
+    T2IAdapter,
+    StableDiffusionXLAdapterPipeline,
+    AutoencoderKL
+)
+from controlnet_aux import CannyDetector, LineartDetector
 import gc
 
-# ControlNet Models - Using manga recolor
-CONTROLNET_MODELS = {
-    "ไม่ใช้ (None)": None,
-    "Manga Recolor (Recommended)": "SubMaroon/ControlNet-manga-recolor",
-}
-
 # Initialize models
-base_pipe = None
-controlnet_cache = {}
-current_controlnet = None
-current_pipe = None
+pipe_sd15 = None
+pipe_sdxl = None
+adapter_sd15_canny = None
+adapter_sdxl_canny = None
+canny_detector = CannyDetector()
 
-# Load base SDXL model
 try:
-    print("🔄 กำลังโหลด Base Model (SDXL Anime)...")
-    
-    # Load VAE for better quality
-    vae = AutoencoderKL.from_pretrained(
-        "madebyollin/sdxl-vae-fp16-fix",
+    print("🔄 Loading T2I-Adapter for SD1.5 (Canny)...")
+    adapter_sd15_canny = T2IAdapter.from_pretrained(
+        "TencentARC/t2iadapter_canny_sd15v2", 
         torch_dtype=dtype
-    )
+    ).to(device)
     
-    base_pipe = StableDiffusionXLPipeline.from_pretrained(
-        "John6666/nsfw-anime-xl-v1-sdxl",
-        vae=vae,
+    pipe_sd15 = StableDiffusionAdapterPipeline.from_pretrained(
+        "runwayml/stable-diffusion-v1-5",
+        adapter=adapter_sd15_canny,
+        torch_dtype=dtype,
+        safety_checker=None
+    ).to(device)
+    
+    pipe_sd15.enable_attention_slicing()
+    print("✅ SD1.5 T2I-Adapter loaded!")
+    
+except Exception as e:
+    print(f"❌ SD1.5 Error: {e}")
+
+try:
+    print("🔄 Loading T2I-Adapter for SDXL (Canny)...")
+    adapter_sdxl_canny = T2IAdapter.from_pretrained(
+        "TencentARC/t2i-adapter-canny-sdxl-1.0",
+        torch_dtype=dtype,
+        varient="fp16"
+    ).to(device)
+    
+    pipe_sdxl = StableDiffusionXLAdapterPipeline.from_pretrained(
+        "stabilityai/stable-diffusion-xl-base-1.0",
+        adapter=adapter_sdxl_canny,
         torch_dtype=dtype,
-        use_safetensors=True,
         variant="fp16"
-    )
-    base_pipe.to(device)
+    ).to(device)
+    
+    if device.type == "cuda":
+        pipe_sdxl.enable_model_cpu_offload()
+    pipe_sdxl.enable_attention_slicing()
     
-    # Optimizations
-    base_pipe.enable_attention_slicing()
-    if hasattr(base_pipe, 'enable_vae_slicing'):
-        base_pipe.enable_vae_slicing()
-    if hasattr(base_pipe, 'enable_model_cpu_offload') and device.type == "cuda":
-        base_pipe.enable_model_cpu_offload()
+    print("✅ SDXL T2I-Adapter loaded!")
     
-    print("✅ โหลด Base Model สำเร็จ!")
 except Exception as e:
-    print(f"❌ Base Model Error: {e}")
-    print("💡 Trying fallback model...")
-    try:
-        base_pipe = StableDiffusionXLPipeline.from_pretrained(
-            "stabilityai/stable-diffusion-xl-base-1.0",
-            torch_dtype=dtype,
-            use_safetensors=True,
-            variant="fp16"
-        )
-        base_pipe.to(device)
-        print("✅ Loaded fallback model")
-    except Exception as e2:
-        print(f"❌ Fallback also failed: {e2}")
+    print(f"❌ SDXL Error: {e}")
 
 MAX_SEED = np.iinfo(np.int32).max
 
+# Restoration presets
 RESTORATION_PRESETS = {
-    "ลงสีอนิเมะ/มังงะ (Anime Colorize)": "beautiful colorful anime art, vibrant colors, high quality illustration, detailed shading",
-    "เปลี่ยนเป็นอนิเมะสไตล์ (Anime Style)": "transform into beautiful anime art style, detailed anime illustration, vibrant colors",
-    "มังงะคุณภาพสูง (High Quality Manga)": "high quality manga illustration, detailed lineart, professional manga style",
-    "อนิเมะสไตล์สดใส (Vibrant Anime)": "vibrant colorful anime style, bright colors, detailed anime art, studio quality",
-    "อนิเมะแฟนตาซี (Fantasy Anime)": "fantasy anime art style, magical atmosphere, detailed illustration, dramatic lighting",
-    "อนิเมะโรแมนติก (Romantic Anime)": "romantic anime style, soft colors, beautiful illustration, gentle lighting",
-    "อนิเมะแอคชั่น (Action Anime)": "dynamic action anime style, intense colors, dramatic composition, high energy",
+    "ลงสีภาพขาวดำ (Colorize)": "a colorized version of this photograph with realistic natural colors, professional photo restoration, high quality, detailed",
+    "ซ่อมแซมเต็มรูปแบบ (Full Restore)": "a fully restored vintage photograph, damage removed, enhanced colors, sharp details, professional restoration, like new",
+    "เพิ่มความคมชัด (Enhance)": "a professionally enhanced photograph with improved sharpness, vivid colors, better contrast, high quality",
+    "สไตล์วินเทจ (Vintage)": "a beautifully restored vintage photograph with authentic period colors, nostalgic atmosphere",
+    "สไตล์อนิเมะ (Anime)": "beautiful anime art style, vibrant colors, detailed anime illustration, high quality artwork",
+    "ภาพวาดสีน้ำ (Watercolor)": "watercolor painting style, soft artistic brush strokes, painterly effect",
     "กำหนดเอง (Custom)": ""
 }
 
-def process_controlnet_image(image, controlnet_type):
-    """Process image for manga recolor ControlNet"""
-    if controlnet_type == "ไม่ใช้ (None)" or controlnet_type is None:
-        return None
-    
-    img_array = np.array(image)
-    
-    if controlnet_type == "Manga Recolor (Recommended)":
-        # Convert to grayscale for manga-style lineart
-        gray = cv2.cvtColor(img_array, cv2.COLOR_RGB2GRAY)
-        
-        # Apply adaptive thresholding for manga-like effect
-        manga = cv2.adaptiveThreshold(
-            gray, 255, 
-            cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
-            cv2.THRESH_BINARY, 
-            11, 2
-        )
-        
-        # Invert to get black lines on white
-        manga = cv2.bitwise_not(manga)
-        
-        # Convert back to RGB
-        manga_rgb = cv2.cvtColor(manga, cv2.COLOR_GRAY2RGB)
-        
-        return Image.fromarray(manga_rgb)
-    
-    return image
-
-def load_controlnet_model(controlnet_type):
-    """Load ControlNet model for SDXL"""
-    global current_controlnet, current_pipe, controlnet_cache
-    
-    if controlnet_type == "ไม่ใช้ (None)":
-        current_pipe = base_pipe
-        current_controlnet = None
-        return base_pipe
-    
-    # Check cache
-    if controlnet_type in controlnet_cache:
-        current_pipe = controlnet_cache[controlnet_type]
-        current_controlnet = controlnet_type
-        return current_pipe
-    
-    model_id = CONTROLNET_MODELS.get(controlnet_type)
-    if model_id is None:
-        return base_pipe
-    
-    try:
-        print(f"🔄 Loading {controlnet_type}...")
-        
-        # Load ControlNet
-        controlnet = ControlNetModel.from_pretrained(
-            model_id,
-            torch_dtype=dtype
-        )
-        
-        # Load VAE
-        vae = AutoencoderKL.from_pretrained(
-            "madebyollin/sdxl-vae-fp16-fix",
-            torch_dtype=dtype
-        )
-        
-        # Create ControlNet Pipeline with SDXL
-        pipe = StableDiffusionXLControlNetPipeline.from_pretrained(
-            "John6666/nsfw-anime-xl-v1-sdxl",
-            controlnet=controlnet,
-            vae=vae,
-            torch_dtype=dtype,
-            use_safetensors=True,
-            variant="fp16"
-        )
-        pipe.to(device)
-        
-        # Optimizations
-        pipe.enable_attention_slicing()
-        if hasattr(pipe, 'enable_vae_slicing'):
-            pipe.enable_vae_slicing()
-        if hasattr(pipe, 'enable_model_cpu_offload') and device.type == "cuda":
-            pipe.enable_model_cpu_offload()
-        
-        # Cache it
-        controlnet_cache[controlnet_type] = pipe
-        current_pipe = pipe
-        current_controlnet = controlnet_type
-        
-        print(f"✅ Loaded {controlnet_type}!")
-        return pipe
-        
-    except Exception as e:
-        print(f"❌ ControlNet Error: {e}")
-        print("💡 Using base model instead")
-        current_pipe = base_pipe
-        current_controlnet = None
-        return base_pipe
+def get_canny_edge(image, low_threshold=50, high_threshold=150):
+    """Extract canny edges from image"""
+    image = np.array(image)
+    edges = cv2.Canny(image, low_threshold, high_threshold)
+    edges = Image.fromarray(edges)
+    return edges
 
 def restore_photo(
     input_image,
-    prompt,
-    negative_prompt,
-    controlnet_type,
-    controlnet_strength,
+    instruction,
+    model_choice,
     seed,
     randomize_seed,
     guidance_scale,
+    adapter_strength,
     steps,
+    canny_low,
+    canny_high,
     progress=gr.Progress(track_tqdm=True)
 ):
-    """Restore/colorize anime/manga photo"""
+    """Restore photo using T2I-Adapter"""
     if input_image is None:
         raise gr.Error("กรุณาอัพโหลดภาพ")
     
-    if base_pipe is None:
-        raise gr.Error("โมเดลยังไม่พร้อมใช้งาน")
+    # Select pipeline
+    if model_choice == "SD 1.5" and pipe_sd15 is None:
+        raise gr.Error("โมเดล SD1.5 ยังไม่พร้อมใช้งาน")
+    elif model_choice == "SDXL" and pipe_sdxl is None:
+        raise gr.Error("โมเดล SDXL ยังไม่พร้อมใช้งาน")
+    
+    pipe = pipe_sd15 if model_choice == "SD 1.5" else pipe_sdxl
 
     if randomize_seed:
         seed = random.randint(0, MAX_SEED)
@@ -236,99 +157,49 @@ def restore_photo(
     generator = torch.Generator(device=device).manual_seed(seed)
     original_image = input_image.convert("RGB")
     
-    # Resize for SDXL (1024x1024 optimal)
+    # Resize
     width, height = original_image.size
-    target_size = 1024
-    
-    # Maintain aspect ratio
-    if width > height:
-        new_width = target_size
-        new_height = int(height * (target_size / width))
-    else:
-        new_height = target_size
-        new_width = int(width * (target_size / height))
-    
-    # Ensure dimensions are divisible by 8
-    new_width = (new_width // 8) * 8
-    new_height = (new_height // 8) * 8
-    original_image = original_image.resize((new_width, new_height), Image.LANCZOS)
+    max_size = 768 if model_choice == "SDXL" else 512
+    
+    if width > max_size or height > max_size:
+        if width > height:
+            new_width = max_size
+            new_height = int(height * (max_size / width))
+        else:
+            new_height = max_size
+            new_width = int(width * (max_size / height))
+        
+        new_width = (new_width // 8) * 8
+        new_height = (new_height // 8) * 8
+        original_image = original_image.resize((new_width, new_height), Image.LANCZOS)
     
-    control_preview = None
+    # Extract canny edges
+    canny_image = get_canny_edge(original_image, canny_low, canny_high)
     
     try:
-        # Use ControlNet if selected
-        if controlnet_type != "ไม่ใช้ (None)":
-            progress(0.2, desc=f"Processing {controlnet_type}...")
-            
-            # Process control image
-            control_image = process_controlnet_image(original_image, controlnet_type)
-            control_preview = control_image
-            
-            if control_image is not None:
-                # Load ControlNet model
-                progress(0.4, desc="Loading model...")
-                pipe = load_controlnet_model(controlnet_type)
-                
-                if pipe is not None and current_controlnet == controlnet_type:
-                    progress(0.6, desc="Generating with ControlNet...")
-                    
-                    result = pipe(
-                        prompt=prompt,
-                        negative_prompt=negative_prompt,
-                        image=control_image,
-                        num_inference_steps=int(steps),
-                        guidance_scale=float(guidance_scale),
-                        controlnet_conditioning_scale=float(controlnet_strength),
-                        generator=generator,
-                    ).images[0]
-                    
-                    if device.type == "cuda":
-                        torch.cuda.empty_cache()
-                    gc.collect()
-                    
-                    return result, control_preview, seed
+        result = pipe(
+            prompt=instruction,
+            image=canny_image,
+            num_inference_steps=steps,
+            guidance_scale=guidance_scale,
+            adapter_conditioning_scale=adapter_strength,
+            generator=generator,
+        ).images[0]
         
-        # Use base pipeline (img2img style)
-        progress(0.5, desc="Generating with base model...")
+        # Clean up
+        if device.type == "cuda":
+            torch.cuda.empty_cache()
+        gc.collect()
         
-        pipe = base_pipe
-        if pipe is not None:
-            # Use img2img with low denoising for colorization
-            result = pipe(
-                prompt=prompt,
-                negative_prompt=negative_prompt,
-                num_inference_steps=int(steps),
-                guidance_scale=float(guidance_scale),
-                generator=generator,
-            ).images[0]
-            
-            # Blend with original for better preservation
-            result = Image.blend(original_image, result, alpha=0.7)
-            
-            if device.type == "cuda":
-                torch.cuda.empty_cache()
-            gc.collect()
-            
-            return result, control_preview, seed
-        
-        raise gr.Error("ไม่มีโมเดลพร้อมใช้งาน")
+        return result, canny_image, seed
     
     except Exception as e:
-        print(f"Error details: {e}")
-        import traceback
-        traceback.print_exc()
         raise gr.Error(f"เกิดข้อผิดพลาด: {str(e)}")
 
 def load_preset(preset_name):
     """Load restoration preset"""
     return RESTORATION_PRESETS.get(preset_name, "")
 
-def update_controlnet_visibility(controlnet_type):
-    """Update visibility of controlnet strength slider"""
-    if controlnet_type == "ไม่ใช้ (None)":
-        return gr.update(visible=False)
-    return gr.update(visible=True)
-
 css="""
 #col-container {
     margin: 0 auto;
@@ -337,260 +208,268 @@ css="""
 #main-title h1 {
     font-size: 2.5em !important; 
     text-align: center;
-    background: linear-gradient(135deg, #FF6B9D 0%, #C06C84 50%, #6C5B7B 100%);
+    background: linear-gradient(135deg, #667eea 0%, #764ba2 100%);
     -webkit-background-clip: text;
     -webkit-text-fill-color: transparent;
     background-clip: text;
 }
 .feature-box {
-    background: linear-gradient(135deg, #FF6B9D 0%, #C06C84 50%, #6C5B7B 100%);
+    background: linear-gradient(135deg, #667eea 0%, #764ba2 100%);
     color: white;
     border-radius: 12px;
     padding: 25px;
     margin: 20px 0;
     box-shadow: 0 4px 6px rgba(0,0,0,0.1);
 }
-.controlnet-info {
-    background: #fff0f5;
-    border-left: 4px solid #FF6B9D;
-    padding: 15px;
-    margin: 10px 0;
-    border-radius: 8px;
-}
 """
 
 with gr.Blocks(css=css, theme=steel_blue_theme) as demo:
     with gr.Column(elem_id="col-container"):
-        gr.Markdown("# 🎨 Anime/Manga Photo Restoration with ControlNet", elem_id="main-title")
-        gr.Markdown("### ✨ AI-Powered Anime Colorization + Manga Recolor ControlNet")
+        gr.Markdown("# 📸 T2I-Adapter Photo Restoration", elem_id="main-title")
+        gr.Markdown("### ✨ Control Image Generation with Structure Guidance")
         
         gr.HTML("""
         <div class="feature-box">
-            <h3>🎮 Features</h3>
-            <table style="width:100%; color:white;">
+            <h3>🎯 T2I-Adapter Features</h3>
+            <table style="width:100%; color:white; font-size:1.05em;">
                 <tr>
-                    <td>🎨 <strong>Anime SDXL Model</strong></td>
-                    <td>High-quality anime generation (John6666/nsfw-anime-xl-v1-sdxl)</td>
+                    <td style="padding:8px; width:30%;"><strong>🖼️ Structure Control</strong></td>
+                    <td>ควบคุมโครงสร้างภาพด้วย Canny Edge Detection</td>
                 </tr>
                 <tr>
-                    <td>📚 <strong>Manga Recolor ControlNet</strong></td>
-                    <td>Perfect for colorizing manga/lineart (SubMaroon/ControlNet-manga-recolor)</td>
+                    <td style="padding:8px;"><strong>🎨 Style Freedom</strong></td>
+                    <td>เปลี่ยนสไตล์ได้อย่างอิสระโดยรักษาโครงสร้าง</td>
                 </tr>
                 <tr>
-                    <td>🖼️ <strong>SDXL Quality</strong></td>
-                    <td>1024x1024 resolution for stunning results</td>
+                    <td style="padding:8px;"><strong>⚡ Two Models</strong></td>
+                    <td>SD 1.5 (เร็ว) และ SDXL (คุณภาพสูง)</td>
                 </tr>
                 <tr>
-                    <td>⚡ <strong>Optimized</strong></td>
-                    <td>VAE fp16, attention slicing, model offloading</td>
+                    <td style="padding:8px;"><strong>💎 High Quality</strong></td>
+                    <td>ผลลัพธ์คุณภาพสูงพร้อมความยืดหยุ่น</td>
                 </tr>
             </table>
-            <div style="margin-top:15px; padding:10px; background:rgba(255,255,255,0.1); border-radius:8px;">
-                <strong>💡 Tip:</strong> Use "Manga Recolor" ControlNet for best colorization results on black & white manga/lineart!
-            </div>
         </div>
         """)
         
-        with gr.Row(equal_height=True):
+        with gr.Row():
             with gr.Column(scale=1):
                 input_image = gr.Image(
-                    label="📤 อัพโหลดภาพอนิเมะ/มังงะ", 
+                    label="📤 อัพโหลดภาพต้นฉบับ", 
                     type="pil", 
                     height=400
                 )
                 
-                gr.Markdown("### 🎯 การตั้งค่าการซ่อมแซม")
+                model_choice = gr.Radio(
+                    choices=["SD 1.5", "SDXL"],
+                    label="🤖 เลือกโมเดล",
+                    value="SD 1.5",
+                    info="SD 1.5 = เร็ว | SDXL = คุณภาพสูง"
+                )
                 
                 preset = gr.Dropdown(
                     choices=list(RESTORATION_PRESETS.keys()),
-                    label="เลือกพรีเซ็ต",
-                    value="ลงสีอนิเมะ/มังงะ (Anime Colorize)",
-                    interactive=True
+                    label="🎯 เลือกพรีเซ็ต",
+                    value="ลงสีภาพขาวดำ (Colorize)"
                 )
                 
-                prompt = gr.Textbox(
-                    label="💬 Prompt (ภาษาอังกฤษ)",
-                    placeholder="Describe the desired anime style...",
+                instruction = gr.Textbox(
+                    label="💬 Prompt (คำอธิบายภาพที่ต้องการ)",
                     lines=3,
-                    value=RESTORATION_PRESETS["ลงสีอนิเมะ/มังงะ (Anime Colorize)"]
+                    value=RESTORATION_PRESETS["ลงสีภาพขาวดำ (Colorize)"]
                 )
                 
-                negative_prompt = gr.Textbox(
-                    label="🚫 Negative Prompt",
-                    placeholder="What to avoid...",
-                    lines=2,
-                    value="lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry"
-                )
-                
-                gr.Markdown("### 🎮 ControlNet Settings")
-                
-                controlnet_type = gr.Dropdown(
-                    choices=list(CONTROLNET_MODELS.keys()),
-                    label="🎛️ เลือก ControlNet Type",
-                    value="Manga Recolor (Recommended)",
-                    interactive=True,
-                    info="แนะนำให้ใช้ Manga Recolor สำหรับลงสี"
-                )
-                
-                controlnet_strength = gr.Slider(
-                    label="💪 ControlNet Strength",
-                    minimum=0.3,
-                    maximum=2.0,
-                    step=0.1,
-                    value=0.8,
-                    visible=True,
-                    info="ความแรงของ ControlNet (0.6-1.0 แนะนำ)"
-                )
-                
-                gr.HTML("""
-                <div class="controlnet-info">
-                    <strong>📝 แนะนำสำหรับ Anime/Manga:</strong><br><br>
-                    • <strong>Manga Recolor</strong> - ดีที่สุดสำหรับลงสีมังงะ ⭐<br>
-                    • ตั้ง Strength = <strong>0.6-1.0</strong> <br>
-                    • ใช้ prompt ที่บอกสีและบรรยากาศที่ต้องการ<br>
-                    • Negative prompt ช่วยป้องกันคุณภาพต่ำ
-                </div>
-                """)
-                
                 preset.change(
                     fn=load_preset,
                     inputs=[preset],
-                    outputs=[prompt]
+                    outputs=[instruction]
                 )
                 
-                controlnet_type.change(
-                    fn=update_controlnet_visibility,
-                    inputs=[controlnet_type],
-                    outputs=[controlnet_strength]
-                )
+                with gr.Accordion("⚙️ Canny Edge Settings", open=False):
+                    canny_low = gr.Slider(
+                        label="Low Threshold",
+                        minimum=0,
+                        maximum=255,
+                        value=50,
+                        step=1
+                    )
+                    canny_high = gr.Slider(
+                        label="High Threshold",
+                        minimum=0,
+                        maximum=255,
+                        value=150,
+                        step=1
+                    )
 
-                run_button = gr.Button("✨ เริ่มสร้าง/ลงสีภาพ", variant="primary", size="lg")
+                run_button = gr.Button("✨ Generate", variant="primary", size="lg")
 
-            with gr.Column(scale=1):
+            with gr.Column(scale=2):
                 with gr.Row():
-                    output_image = gr.Image(
-                        label="✨ ผลลัพธ์", 
-                        interactive=False,
-                        height=400
+                    canny_output = gr.Image(
+                        label="🔍 Canny Edge Detection", 
+                        type="pil",
+                        height=350
                     )
-                    control_image = gr.Image(
-                        label="🎮 ControlNet Preview (Lineart)",
-                        interactive=False,
-                        height=400,
-                        visible=True
+                    output_image = gr.Image(
+                        label="✨ Generated Result", 
+                        type="pil",
+                        height=350
                     )
                 
-                with gr.Accordion("⚙️ การตั้งค่าขั้นสูง", open=True):
-                    seed = gr.Slider(
-                        label="🎲 Seed", 
-                        minimum=0, 
-                        maximum=MAX_SEED, 
-                        step=1, 
-                        value=42,
-                        info="เลข seed สำหรับผลลัพธ์ที่เหมือนเดิม"
-                    )
-                    
-                    randomize_seed = gr.Checkbox(
-                        label="🔀 สุ่ม Seed ทุกครั้ง", 
-                        value=True
-                    )
+                with gr.Accordion("⚙️ Advanced Settings", open=True):
+                    with gr.Row():
+                        seed = gr.Slider(
+                            label="🎲 Seed",
+                            minimum=0,
+                            maximum=MAX_SEED,
+                            step=1,
+                            value=42
+                        )
+                        randomize_seed = gr.Checkbox(
+                            label="🔀 Random Seed",
+                            value=True
+                        )
                     
-                    guidance_scale = gr.Slider(
-                        label="💬 Guidance Scale", 
-                        minimum=3.0, 
-                        maximum=15.0, 
-                        step=0.5, 
-                        value=7.5,
-                        info="SDXL แนะนำ 7-10"
-                    )
+                    with gr.Row():
+                        guidance_scale = gr.Slider(
+                            label="💬 Guidance Scale",
+                            minimum=1.0,
+                            maximum=20.0,
+                            step=0.5,
+                            value=7.5,
+                            info="ยิ่งสูง = ทำตาม prompt มากขึ้น"
+                        )
+                        
+                        adapter_strength = gr.Slider(
+                            label="🎨 Adapter Strength",
+                            minimum=0.0,
+                            maximum=1.0,
+                            step=0.05,
+                            value=0.75,
+                            info="ยิ่งสูง = รักษาโครงสร้างมากขึ้น"
+                        )
                     
                     steps = gr.Slider(
-                        label="🔢 Steps", 
-                        minimum=20, 
-                        maximum=50, 
-                        step=5, 
-                        value=30,
-                        info="SDXL แนะนำ 25-40 steps"
+                        label="🔢 Steps",
+                        minimum=10,
+                        maximum=50,
+                        step=5,
+                        value=25
                     )
-                    
-                    gr.Markdown("""
-                    **💡 การตั้งค่าแนะนำสำหรับ SDXL Anime:**
-                    - **Steps:** 25-35 (SDXL ต้องการมากกว่า SD1.5)
-                    - **Guidance:** 7-10 (SDXL ทำงานดีที่ 7.5)
-                    - **ControlNet Strength:** 0.6-1.0
-                    - **Resolution:** ระบบจะ resize อัตโนมัติเป็น 1024px
-                    """)
         
         run_button.click(
             fn=restore_photo,
-            inputs=[input_image, prompt, negative_prompt, controlnet_type, 
-                   controlnet_strength, seed, randomize_seed, 
-                   guidance_scale, steps],
-            outputs=[output_image, control_image, seed]
+            inputs=[
+                input_image, instruction, model_choice, seed, randomize_seed,
+                guidance_scale, adapter_strength, steps, canny_low, canny_high
+            ],
+            outputs=[output_image, canny_output, seed]
         )
 
     gr.Markdown("""
     ---
-    ## 📚 คู่มือการใช้งาน
-    
-    ### 🎨 โมเดลที่ใช้:
-    
-    - **Base Model:** John6666/nsfw-anime-xl-v1-sdxl (SDXL anime model)
-    - **ControlNet:** SubMaroon/ControlNet-manga-recolor (manga colorization)
-    - **VAE:** madebyollin/sdxl-vae-fp16-fix (better quality)
-    
-    ### 🚀 วิธีใช้งาน:
-    
-    1. **อัพโหลดภาพ** - รองรับมังงะ, ภาพขาวดำ, อนิเมะ
-    2. **เลือกพรีเซ็ต** หรือเขียน prompt เอง
-    3. **เลือก Manga Recolor** ControlNet (แนะนำ)
-    4. **ปรับ Strength** = 0.6-1.0
-    5. **กดปุ่ม "เริ่มสร้าง/ลงสีภาพ"**
-    6. **รอ 1-3 นาที** (CPU) หรือ 30-90 วินาที (GPU)
-    
-    ### 💡 เคล็ดลับ:
-    
-    ✅ **สำหรับลงสีมังงะ/ภาพขาวดำ:**
-    - เลือก **Manga Recolor** ControlNet
-    - Strength = **0.7-0.9**
-    - Steps = **25-35**
-    - Guidance = **7-9**
-    - Prompt: "beautiful colorful anime art, vibrant colors"
-    
-    ✅ **สำหรับสร้างอนิเมะสไตล์:**
-    - ไม่ต้องใช้ ControlNet
-    - Steps = **30-40**
-    - Guidance = **7.5-10**
-    - ใช้ prompt ที่ละเอียด
-    
-    ✅ **Negative Prompt ที่ดี:**
-    - รวมคีย์เวิร์ด: lowres, bad anatomy, worst quality
-    - ช่วยป้องกันความผิดพลาด
-    - เพิ่มคุณภาพโดยรวม
-    
-    ### ⚡ ประสิทธิภาพ SDXL:
-    
-    - **CPU:** 2-5 นาที/ภาพ (ไม่แนะนำ)
-    - **CPU + ControlNet:** 4-8 นาที/ภาพ
-    - **GPU (8GB+):** 30-90 วินาที/ภาพ
-    - **GPU + ControlNet:** 60-120 วินาที/ภาพ
-    
-    ### 🎯 ใช้กับ:
-    
-    - ✅ Manga panels (black & white)
-    - ✅ Lineart drawings
-    - ✅ Sketch to anime
-    - ✅ Old anime screenshots
-    - ✅ Character designs
+    ### 📚 คู่มือการใช้งาน T2I-Adapter
+    
+    #### 🎯 **T2I-Adapter คืออะไร?**
+    T2I-Adapter เป็นเทคนิคที่ช่วยควบคุมการสร้างภาพด้วย **condition เพิ่มเติม** เช่น:
+    - **Canny Edge** - โครงร่างของวัตถุ
+    - **Depth Map** - ความลึกของภาพ
+    - **Sketch** - ภาพร่าง
+    
+    แอปนี้ใช้ **Canny Edge Detection** เพื่อรักษาโครงสร้างของภาพเดิม แต่เปลี่ยนสไตล์ สี และรายละเอียดตาม prompt
+    
+    #### 🤖 **เลือกโมเดล:**
+    
+    **📘 SD 1.5 (Stable Diffusion 1.5):**
+    - ✅ เร็วกว่า (20-40 วินาที)
+    - ✅ ใช้ VRAM น้อย (~4-6GB)
+    - ✅ เหมาะสำหรับทดลอง
+    - ⚠️ คุณภาพต่ำกว่า SDXL
+    
+    **📗 SDXL (Stable Diffusion XL):**
+    - ✅ คุณภาพสูงกว่ามาก
+    - ✅ รายละเอียดดีกว่า
+    - ✅ สีสันสมจริงกว่า
+    - ⚠️ ช้ากว่า (60-120 วินาที)
+    - ⚠️ ใช้ VRAM มาก (~8-12GB)
+    
+    #### 🎯 **วิธีใช้งาน:**
+    
+    1. **อัพโหลดภาพ** - ภาพถ่ายเก่า หรือภาพที่ต้องการแปลง
+    2. **เลือกโมเดล** - SD 1.5 (เร็ว) หรือ SDXL (คุณภาพสูง)
+    3. **เลือกพรีเซ็ต** - เลือกสไตล์ที่ต้องการ
+    4. **แก้ไข Prompt** - ปรับแต่งคำอธิบายตามต้องการ
+    5. **กด Generate** - รอผลลัพธ์
+    6. **ดู Canny Edge** - ตรวจสอบว่าโครงสร้างถูกต้อง
+    7. **ปรับค่า Adapter Strength** - ถ้าต้องการเปลี่ยนมากขึ้น/น้อยลง
+    
+    #### 💡 **เคล็ดลับ:**
+    
+    ✅ **สำหรับภาพขาวดำ:**
+    - Adapter Strength: 0.7-0.8
+    - Guidance: 7-9
+    - Prompt: "colorized vintage photograph with realistic colors"
+    
+    ✅ **สำหรับการเปลี่ยนสไตล์:**
+    - Adapter Strength: 0.6-0.75
+    - Guidance: 8-12
+    - Prompt: "anime art style" / "watercolor painting"
+    
+    ✅ **สำหรับการซ่อมแซม:**
+    - Adapter Strength: 0.8-0.9 (รักษาโครงสร้างเดิมมาก)
+    - Guidance: 7-9
+    - Prompt: "restored photograph, enhanced colors"
+    
+    ✅ **Canny Edge Settings:**
+    - **Low/High Threshold:** ปรับเพื่อควบคุมรายละเอียดของ edge
+    - **Low = 50, High = 150** เหมาะสำหรับภาพทั่วไป
+    - **Low = 30, High = 100** สำหรับภาพที่มีรายละเอียดน้อย
+    - **Low = 100, High = 200** สำหรับภาพที่มีรายละเอียดเยอะ
+    
+    #### ⚙️ **พารามิเตอร์:**
+    
+    **Guidance Scale (1-20):**
+    - 5-7: สร้างสรรค์มาก, อิสระ
+    - 7-10: สมดุล ✅
+    - 10-15: ทำตาม prompt เยอะมาก
+    
+    **Adapter Strength (0-1):**
+    - 0.5-0.6: เปลี่ยนแปลงมาก, อิสระ
+    - 0.7-0.8: สมดุล ✅
+    - 0.85-1.0: รักษาโครงสร้างเดิมเกือบทั้งหมด
+    
+    **Steps:**
+    - SD 1.5: 20-30 steps
+    - SDXL: 25-40 steps
+    
+    #### ⚡ **ประสิทธิภาพ:**
+    
+    **SD 1.5:**
+    - เวลา: 20-40 วินาที
+    - VRAM: 4-6GB
+    - ความละเอียด: 512x512px
+    
+    **SDXL:**
+    - เวลา: 60-120 วินาที
+    - VRAM: 8-12GB
+    - ความละเอียด: 768x768px หรือ 1024x1024px
+    
+    #### 📦 **Dependencies:**
+    ```bash
+    pip install diffusers transformers
+    pip install controlnet-aux
+    pip install opencv-python
+    pip install torch torchvision
+    pip install gradio
+    ```
     
     ---
     
-    <div style="text-align:center; padding:20px;">
-        <strong>🌟 Anime/Manga Restoration with SDXL</strong><br>
-        Professional Quality Colorization with Manga Recolor ControlNet<br>
-        <em>Powered by SDXL + ControlNet</em>
+    <div style="text-align:center; color:#666; padding:20px;">
+        <strong>🌟 T2I-Adapter</strong><br>
+        Structure-Guided Image Generation<br>
+        <em>TencentARC • Stable Diffusion</em>
     </div>
     """)
 
-if __name__ == "__main__":
-    demo.launch(server_name="0.0.0.0", server_port=7860, share=False)
+demo.launch(server_name="0.0.0.0", server_port=7860, share=False)