Syn DragonsMY

🥚 Syn-dragonsMY : Le Générateur d'Œufs de Dragon Conditionnel 🎨

SynIA

🌟 Vue d'Ensemble du Modèle

Bienvenue dans l'univers de Syn-dragonsMY ! Ce modèle d'Intelligence Artificielle a été développé par Clemylia pour donner vie à de petits œufs de dragon synthétiques. Il s'agit d'un Autoencodeur Variationnel Conditionnel (C-VAE), une architecture d'apprentissage profond capable de générer de nouvelles données (nos œufs !) en fonction de paramètres que vous choisissez.

Caractéristique	Détail
Architecteur	Autoencodeur Variationnel Conditionnel (C-VAE)
Objectif	Génération d'images conditionnelle (Image 64x64)
Conditions (Inputs)	Forme de l'œuf (Rond ou Ovale) et Couleur (Code Hex)
Jeu de Données	Synthétique, généré from scratch pour un apprentissage contrôlé.

💖 Comment Utiliser ce Modèle d'IA

Le modèle Syn-dragonsMY est conçu pour être simple à commander. Vous n'avez besoin que de deux informations pour créer un nouvel œuf de dragon.

1. Paramètres d'Entrée

Les deux conditions essentielles sont :

Paramètre	Type d'Input	Valeurs Acceptées	Rôle
forme	Catégoriel	'rond' ou 'ovale'	Détermine la silhouette de l'œuf.
couleur_hex	Chaîne (string)	Code Hexadécimal (ex: #FFD700)	Détermine la couleur de remplissage de l'œuf.

2. Le Secret de la Génération (Le Facteur "Magie" ✨)

Puisqu'il s'agit d'un VAE, chaque génération commence par un vecteur latent aléatoire.

➡️ Ce que cela signifie pour vous : Si vous demandez deux fois un œuf "Ovale, Rouge", vous obtiendrez deux images différentes ! Le modèle ajoute toujours une petite touche d'originalité et de magie à chaque création, même si les conditions restent les mêmes. C'est ça, la beauté de l'IA générative ! 🤩

---

🛠️ Utilisation Technique (pour les Développeurs 🧑‍💻)

Si vous souhaitez charger et utiliser ce modèle dans votre propre code Python ou Notebook Colab :

1. Installation

Assurez-vous d'avoir PyTorch et la bibliothèque Hugging Face :

!pip install torch huggingface_hub

2. Chargement du Modèle et de la Définition

Vous pouvez télécharger les poids (syn_dragons_my_vae.pth) et la définition de la classe (vae_model_def.py) directement depuis ce dépôt.

import torch
from huggingface_hub import hf_hub_download

# Téléchargez d'abord la définition de la classe et le modèle.
# (Assurez-vous d'avoir la définition de la classe SimpleVAE dans votre environnement)
from vae_model_def import SimpleVAE 

# Définition des constantes
LATENT_DIM = 32

# Chargement des poids depuis le Hub
model_path = hf_hub_download(repo_id="Clemylia/Syn-dragonsMY", 
                             filename="syn_dragons_my_vae.pth")

# Instanciation et chargement
model = SimpleVAE()
model.load_state_dict(torch.load(model_path, map_location='cpu'))
model.eval() 

3. Fonction d'Inférence (Aperçu)

La fonction clé pour la génération est la méthode model.decode(z, conditions), où z est un vecteur aléatoire (l'originalité) et conditions est le vecteur numérique de la forme et de la couleur.

---

🛑 Limites et Biases (Attention ! ⚠️)

Comme ce modèle a été entraîné sur des données très spécifiques :

• Résolution Fixe : Le modèle génère uniquement des images de 64x64 pixels. Elles sont étirées dans l'application Gradio, mais le contenu natif reste petit.
• Forme et Couleur Simples : Le modèle ne peut générer que des formes rondes ou ovales simples. Il n'a aucune connaissance des textures, des motifs ou des arrière-plans complexes.
• Couleur de l'arrière-plan : Le modèle a toujours été entraîné à dessiner sur un fond blanc. Il ne pourra pas générer un œuf sur un fond coloré ou texturé.

Merci d'utiliser Syn-dragonsMY ! Amusez-vous bien à créer vos propres couvées de dragons ! 💖