app-backup.py

import os
import gradio as gr
import random
import time
import logging
import google.generativeai as genai

import torch
import numpy as np
from diffusers import DiffusionPipeline
from transformers import pipeline as hf_pipeline

##############################################################################
# 1) ZeroGPU 환경 처리 + device, dtype 설정
##############################################################################
##############################################################################
# 1) ZeroGPU 환경 처리 + device, dtype 설정
##############################################################################
# ZeroGPU 초기화 시도
try:
    import zerogpu
    zerogpu.init()
    print("ZeroGPU initialized successfully")
    device = "cuda" if torch.cuda.is_available() else "cpu"
except ImportError:
    # ZeroGPU가 설치되지 않은 경우
    print("ZeroGPU package not installed, continuing without it")
    if os.getenv("ZERO_GPU"):
        print("ZeroGPU environment variable is set but zerogpu package is not installed.")
    device = "cuda" if torch.cuda.is_available() else "cpu"
except Exception as e:
    # ZeroGPU 초기화 중 다른 오류가 발생한 경우
    print(f"Error initializing ZeroGPU: {e}")
    print("Continuing without ZeroGPU")
    device = "cuda" if torch.cuda.is_available() else "cpu"

# GPU일 때만 bfloat16, 그 외에는 float32
dtype = torch.bfloat16 if device == "cuda" else torch.float32

print(f"Using device: {device}, dtype: {dtype}")

##############################################################################
# 2) 모델 로드: 번역 모델, DiffusionPipeline
##############################################################################
try:
    translator = hf_pipeline(
        "translation",
        model="Helsinki-NLP/opus-mt-ko-en",
        device=0 if device == "cuda" else -1
    )

    pipe = DiffusionPipeline.from_pretrained(
        "black-forest-labs/FLUX.1-schnell",
        torch_dtype=dtype
    ).to(device)
    
    print("Models loaded successfully")
except Exception as e:
    print(f"Error loading models: {e}")
    # 모델 로드 에러 처리를 위한 더미 함수들
    def dummy_translator(text):
        return [{'translation_text': text}]
    
    class DummyPipe:
        def __call__(self, **kwargs):
            from PIL import Image
            import numpy as np
            dummy_img = Image.fromarray(np.zeros((512, 512, 3), dtype=np.uint8))
            class DummyResult:
                def __init__(self, img):
                    self.images = [img]
            return DummyResult(dummy_img)
    
    translator = dummy_translator
    pipe = DummyPipe()

MAX_SEED = np.iinfo(np.int32).max
MAX_IMAGE_SIZE = 2048

##############################################################################
# 한국어 감지 함수
##############################################################################
def contains_korean(text):
    for char in text:
        if ord('가') <= ord(char) <= ord('힣'):
            return True
    return False

##############################################################################
# 이미지 생성 함수
##############################################################################
def generate_design_image(prompt, seed=42, randomize_seed=True, width=1024, height=1024, num_inference_steps=4):
    """
    생성된 확장 아이디어 텍스트(prompt)를 입력받아,
    필요시 한국어를 영어로 번역한 후 DiffusionPipeline으로 이미지를 생성합니다.
    """
    original_prompt = prompt
    translated = False
    
    # 한국어가 포함되어 있으면 영어로 번역
    if contains_korean(prompt):
        translation = translator(prompt)
        prompt = translation[0]['translation_text']
        translated = True

    # 랜덤 시드 설정
    if randomize_seed:
        seed = random.randint(0, MAX_SEED)
    
    generator = torch.Generator(device=device).manual_seed(seed)
    
    image = pipe(
        prompt=prompt,
        width=width,
        height=height,
        num_inference_steps=num_inference_steps,
        generator=generator,
        guidance_scale=0.0
    ).images[0]
    
    return image

##############################################################################
# 로깅 설정
##############################################################################
logging.basicConfig(
    level=logging.INFO,
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
    handlers=[
        logging.FileHandler("api_debug.log"),
        logging.StreamHandler()
    ]
)
logger = logging.getLogger("idea_generator")

##############################################################################
# Gemini API 키
##############################################################################
GEMINI_API_KEY = os.getenv("GEMINI_API_KEY")
genai.configure(api_key=GEMINI_API_KEY)

##############################################################################
# 선택적 변형 선택 함수
##############################################################################
def choose_alternative(transformation):
    if "/" not in transformation:
        return transformation
    parts = transformation.split("/")
    if len(parts) != 2:
        return random.choice([part.strip() for part in parts])
    left = parts[0].strip()
    right = parts[1].strip()
    if " " in left:
        tokens = left.split(" ", 1)
        prefix = tokens[0]
        if not right.startswith(prefix):
            option1 = left
            option2 = prefix + " " + right
        else:
            option1 = left
            option2 = right
        return random.choice([option1, option2])
    else:
        return random.choice([left, right])

##############################################################################
# 물리적 변화 카테고리 사전 (총 15개)
##############################################################################
physical_transformation_categories = {
    "공간 이동": [
        "앞/뒤 이동", "좌/우 이동", "위/아래 이동", "세로축 회전(고개 끄덕임)",
        "가로축 회전(고개 젓기)", "길이축 회전(옆으로 기울임)", "원 운동", "나선형 이동",
        "관성에 의한 미끄러짐", "회전축 변화", "불규칙 회전", "흔들림 운동", "포물선 이동",
        "무중력 부유", "수면 위 부유", "점프/도약", "슬라이딩", "롤링", "자유 낙하",
        "왕복 운동", "탄성 튕김", "관통", "회피 움직임", "지그재그 이동", "스윙 운동"
    ],
    "크기와 형태 변화": [
        "부피 늘어남/줄어듦", "길이 늘어남/줄어듦", "너비 늘어남/줄어듦", "높이 늘어남/줄어듦",
        "밀도 변화", "무게 증가/감소", "모양 변형", "상태 변화", "불균등 변형",
        "복잡한 형태 변형", "비틀림/꼬임", "불균일한 확장/축소", "모서리 둥글게/날카롭게",
        "깨짐/갈라짐", "여러 조각 나눠짐", "물 저항", "먼지 저항", "찌그러짐/복원",
        "접힘/펼쳐짐", "압착/팽창", "늘어남/수축", "구겨짐/평평해짐", "뭉개짐/단단해짐",
        "말림/펴짐", "꺾임/구부러짐"
    ],
    "표면 및 외관 변화": [
        "색상 변화", "질감 변화", "투명/불투명 변화", "반짝임/무광 변화",
        "빛 반사 정도 변화", "무늬 변화", "각도에 따른 색상 변화", "빛에 따른 색상 변화",
        "온도에 따른 색상 변화", "홀로그램 효과", "표면 각도별 빛 반사", "표면 모양 변형",
        "초미세 표면 구조 변화", "자가 세정 효과", "얼룩/패턴 생성", "흐림/선명함 변화",
        "광택/윤기 변화", "색조/채도 변화", "발광/형광", "빛 산란 효과",
        "빛 흡수 변화", "반투명 효과", "그림자 효과 변화", "자외선 반응 변화",
        "야광 효과"
    ],
    "물질의 상태 변화": [
        "고체/액체/기체 전환", "결정화/용해", "산화/부식", "딱딱해짐/부드러워짐",
        "특수 상태 전환", "무정형/결정형 전환", "성분 분리", "미세 입자 형성/분해",
        "젤 형성/풀어짐", "준안정 상태 변화", "분자 자가 정렬/분해", "상태변화 지연 현상",
        "녹음", "굳음", "증발/응축", "승화/증착", "침전/부유", "분산/응집",
        "건조/습윤", "팽윤/수축", "동결/해동", "풍화/침식", "충전/방전",
        "결합/분리", "발효/부패"
    ],
    "열 관련 변화": [
        "온도 상승/하강", "열에 의한 팽창/수축", "열 전달/차단", "압력 상승/하강",
        "열 변화에 따른 자화", "무질서도 변화", "열전기 현상", "자기장에 의한 열 변화",
        "상태변화 중 열 저장/방출", "열 스트레스 발생/해소", "급격한 온도 변화 영향",
        "복사열에 의한 냉각/가열", "발열/흡열", "열 분포 변화", "열 반사/흡수",
        "냉각 응축", "열 활성화", "열 변색", "열 팽창 계수 변화", "열 안정성 변화",
        "내열성/내한성", "자기발열", "열적 평형/불균형", "열적 변형", "열 분산/집중"
    ],
    "움직임 특성 변화": [
        "가속/감속", "일정 속도 유지", "진동/진동 감소", "부딪힘/튕김",
        "회전 속도 증가/감소", "회전 방향 변화", "불규칙 움직임", "멈췄다 미끄러지는 현상",
        "공진/반공진", "유체 속 저항/양력 변화", "움직임 저항 변화", "복합 진동 움직임",
        "특수 유체 속 움직임", "회전-이동 연계 움직임", "관성 정지", "충격 흡수",
        "충격 전달", "운동량 보존", "마찰력 변화", "관성 탈출", "불안정 균형",
        "동적 안정성", "흔들림 감쇠", "경로 예측성", "회피 움직임"
    ],
    "구조적 변화": [
        "부품 추가/제거", "조립/분해", "접기/펴기", "변형/원상복구", "최적 구조 변화",
        "자가 재배열", "자연 패턴 형성/소멸", "규칙적 패턴 변화", "모듈식 변형",
        "복잡성 증가 구조", "원래 모양 기억 효과", "시간에 따른 형태 변화", "부분 제거",
        "부분 교체", "결합", "분리", "분할/통합", "중첩/겹침", "내부 구조 변화",
        "외부 구조 변화", "중심축 이동", "균형점 변화", "계층 구조 변화", "지지 구조 변화",
        "응력 분산 구조", "충격 흡수 구조", "그리드/매트릭스 구조 변화", "상호 연결성 변화"
    ],
    "전기 및 자기 변화": [
        "자성 생성/소멸", "전하량 증가/감소", "전기장 생성/소멸", "자기장 생성/소멸",
        "초전도 상태 전환", "강유전체 특성 변화", "양자 상태 변화", "플라즈마 상태 형성/소멸",
        "스핀파 전달", "빛에 의한 전기 발생", "압력에 의한 전기 발생", "자기장 속 전류 변화",
        "전기 저항 변화", "전기 전도성 변화", "정전기 발생/방전", "전자기 유도",
        "전자기파 방출/흡수", "전기 용량 변화", "자기 이력 현상", "전기적 분극",
        "전자 흐름 방향 변화", "전기적 공명", "전기적 차폐/노출", "자기 차폐/노출",
        "자기장 방향 정렬"
    ],
    "화학적 변화": [
        "표면 코팅 변화", "물질 성분 변화", "화학 반응 변화", "촉매 작용 시작/중단",
        "빛에 의한 화학 반응", "전기에 의한 화학 반응", "단분자막 형성", "분자 수준 계산 변화",
        "자연 모방 표면 변화", "환경 반응형 물질 변화", "주기적 화학 반응", "산화", "환원",
        "고분자화", "물 분해", "화합", "방사선 영향", "산-염기 반응", "중화 반응",
        "이온화", "화학적 흡착/탈착", "촉매 효율 변화", "효소 활성 변화", "발색 반응",
        "pH 변화", "화학적 평형 이동", "결합 형성/분해", "용해도 변화"
    ],
    "시간 관련 변화": [
        "노화/풍화", "마모/부식", "색 바램/변색", "손상/회복", "수명 주기 변화",
        "사용자 상호작용에 따른 적응", "학습 기반 형태 최적화", "시간에 따른 물성 변화",
        "집단 기억 효과", "문화적 의미 변화", "지연 반응", "이전 상태 의존 변화",
        "점진적 시간 변화", "진화적 변화", "주기적 재생", "계절 변화 적응",
        "생체리듬 변화", "생애 주기 단계", "성장/퇴화", "자기 복구/재생",
        "자연 순환 적응", "지속성/일시성", "기억 효과", "지연된 작용", "누적 효과"
    ],
    "빛과 시각 효과": [
        "발광/소등", "빛 투과/차단", "빛 산란/집중", "색상 스펙트럼 변화", "빛 회절",
        "빛 간섭", "홀로그램 생성", "레이저 효과", "빛 편광", "형광/인광",
        "자외선/적외선 발광", "광학적 착시", "빛 굴절", "그림자 생성/제거",
        "색수차 효과", "무지개 효과", "글로우 효과", "플래시 효과", "조명 패턴",
        "빔 효과", "광 필터 효과", "빛의 방향성 변화", "투영 효과", "빛 감지/반응",
        "광도 변화"
    ],
    "소리와 진동 효과": [
        "소리 발생/소멸", "소리 높낮이 변화", "소리 크기 변화", "음색 변화",
        "공명/반공명", "음향 진동", "초음파/저음파 발생", "음향 집중/분산",
        "음향 반사/흡수", "음향 도플러 효과", "음파 간섭", "음향 공진",
        "진동 패턴 변화", "타악 효과", "음향 피드백", "음향 차폐/증폭",
        "소리 지향성", "음향 왜곡", "비트 생성", "하모닉스 생성", "주파수 변조",
        "음향 충격파", "음향 필터링"
    ],
    "생물학적 변화": [
        "생장/위축", "세포 분열/사멸", "생물 발광", "신진대사 변화", "면역 반응",
        "호르몬 분비", "신경 반응", "유전적 발현", "적응/진화", "생체리듬 변화",
        "재생/치유", "노화/성숙", "생체 모방 변화", "바이오필름 형성", "생물학적 분해",
        "효소 활성화/비활성화", "생물학적 신호 전달", "스트레스 반응", "체온 조절",
        "생물학적 시계 변화", "세포외 기질 변화", "생체 역학적 반응", "세포 운동성",
        "세포 극성 변화", "영양 상태 변화"
    ],
    "환경 상호작용": [
        "온도 반응", "습도 반응", "기압 반응", "중력 반응", "자기장 반응",
        "빛 반응", "소리 반응", "화학 물질 감지", "기계적 자극 감지", "전기 자극 반응",
        "방사선 반응", "진동 감지", "pH 반응", "용매 반응", "기체 교환",
        "환경 오염 반응", "날씨 반응", "계절 변화 반응", "일주기 반응", "생태계 상호작용",
        "공생/경쟁 반응", "포식/피식 관계", "군집 형성", "영역 설정", "이주/정착 패턴"
    ],
    "센서 기능": [
        "시각 센서/감지", "청각 센서/감지", "촉각 센서/감지", "미각 센서/감지", "후각 센서/감지",
        "온도 센서/감지", "습도 센서/감지", "압력 센서/감지", "가속도 센서/감지", "회전 센서/감지",
        "근접 센서/감지", "위치 센서/감지", "운동 센서/감지", "가스 센서/감지", "적외선 센서/감지",
        "자외선 센서/감지", "방사선 센서/감지", "자기장 센서/감지", "전기장 센서/감지", "화학물질 센서/감지",
        "생체신호 센서/감지", "진동 센서/감지", "소음 센서/감지", "빛 세기 센서/감지", "빛 파장 센서/감지",
        "기울기 센서/감지", "pH 센서/감지", "전류 센서/감지", "전압 센서/감지", "이미지 센서/감지",
        "거리 센서/감지", "깊이 센서/감지", "중력 센서/감지", "속도 센서/감지", "흐름 센서/감지",
        "수위 센서/감지", "탁도 센서/감지", "염도 센서/감지", "금속 감지", "압전 센서/감지",
        "광전 센서/감지", "열전대 센서/감지", "홀 효과 센서/감지", "초음파 센서/감지", "레이더 센서/감지",
        "라이다 센서/감지", "터치 센서/감지", "제스처 센서/감지", "심박 센서/감지", "혈압 센서/감지"
    ]
}

##############################################################################
# Gemini API 호출 함수
##############################################################################
def query_gemini_api(prompt):
    try:
        model = genai.GenerativeModel('gemini-2.0-flash-thinking-exp-01-21')
        response = model.generate_content(prompt)
        try:
            if hasattr(response, 'text'):
                return response.text
            if hasattr(response, 'candidates') and response.candidates:
                candidate = response.candidates[0]
                if hasattr(candidate, 'content'):
                    content = candidate.content
                    if hasattr(content, 'parts') and content.parts:
                        if len(content.parts) > 0:
                            return content.parts[0].text
            if hasattr(response, 'parts') and response.parts:
                if len(response.parts) > 0:
                    return response.parts[0].text
            return "Unable to generate a response. API response structure is different than expected."
        except Exception as inner_e:
            logger.error(f"Error processing response: {inner_e}")
            return f"An error occurred while processing the response: {str(inner_e)}"
    except Exception as e:
        logger.error(f"Error calling Gemini API: {e}")
        if "API key not valid" in str(e):
            return "API key is not valid. Please check your GEMINI_API_KEY environment variable."
        return f"An error occurred while calling the API: {str(e)}"

##############################################################################
# 설명 확장 함수 (LLM 이용)
##############################################################################
def enhance_with_llm(base_description, obj_name, category):
    prompt = f"""
다음은 '{obj_name}'의 '{category}' 관련 간단한 설명입니다:
"{base_description}"
위 내용을 보다 구체화하여, 
1) 창의적인 모델/컨셉/형상의 변화에 대한 이해, 
2) 혁신 포인트와 기능성 등을 중심으로 
3~4문장의 아이디어로 확장해 주세요.
"""
    return query_gemini_api(prompt)

##############################################################################
# 각 객체수(1, 2, 3)에 따른 변형 아이디어 생성
##############################################################################
def generate_single_object_transformation_for_category(obj, selected_category):
    transformations = physical_transformation_categories.get(selected_category)
    if not transformations:
        return {}
    transformation = choose_alternative(random.choice(transformations))
    base_description = f"{obj}이(가) {transformation} 현상을 보인다"
    return {selected_category: {"base": base_description, "enhanced": None}}

def generate_two_objects_interaction_for_category(obj1, obj2, selected_category):
    transformations = physical_transformation_categories.get(selected_category)
    if not transformations:
        return {}
    transformation = choose_alternative(random.choice(transformations))
    template = random.choice([
        "{obj1}이(가) {obj2}에 결합하여 {change}가 발생했다",
        "{obj1}과(와) {obj2}이(가) 충돌하면서 {change}가 일어났다"
    ])
    base_description = template.format(obj1=obj1, obj2=obj2, change=transformation)
    return {selected_category: {"base": base_description, "enhanced": None}}

def generate_three_objects_interaction_for_category(obj1, obj2, obj3, selected_category):
    transformations = physical_transformation_categories.get(selected_category)
    if not transformations:
        return {}
    transformation = choose_alternative(random.choice(transformations))
    template = random.choice([
        "{obj1}, {obj2}, {obj3}이(가) 삼각형 구조로 결합하여 {change}가 발생했다",
        "{obj1}이(가) {obj2}와(과) {obj3} 사이에서 매개체 역할을 하며 {change}를 촉진했다"
    ])
    base_description = template.format(obj1=obj1, obj2=obj2, obj3=obj3, change=transformation)
    return {selected_category: {"base": base_description, "enhanced": None}}

##############################################################################
# 생성된 기본 설명을 LLM을 통해 확장 (각 카테고리별)
##############################################################################
def enhance_descriptions(results, objects):
    obj_name = " 및 ".join([obj for obj in objects if obj])
    for category, result in results.items():
        result["enhanced"] = enhance_with_llm(result["base"], obj_name, category)
    return results

##############################################################################
# 사용자 입력(최대 3개 키워드) + 선택 카테고리 → 변화 아이디어 생성
##############################################################################
def generate_transformations(text1, text2, text3, selected_category):
    if text2 and text3:
        results = generate_three_objects_interaction_for_category(text1, text2, text3, selected_category)
        objects = [text1, text2, text3]
    elif text2:
        results = generate_two_objects_interaction_for_category(text1, text2, selected_category)
        objects = [text1, text2]
    else:
        results = generate_single_object_transformation_for_category(text1, selected_category)
        objects = [text1]
    return enhance_descriptions(results, objects)

##############################################################################
# 결과 포맷팅
##############################################################################
def format_results(results):
    formatted = ""
    for category, result in results.items():
        formatted += f"## {category}\n**기본 아이디어**: {result['base']}\n\n**확장된 아이디어**: {result['enhanced']}\n\n---\n\n"
    return formatted

##############################################################################
# Gradio UI에서 호출될 함수 (텍스트 아이디어만 생성)
##############################################################################
def process_inputs(text1, text2, text3, selected_category, progress=gr.Progress()):
    text1 = text1.strip() if text1 else None
    text2 = text2.strip() if text2 else None
    text3 = text3.strip() if text3 else None
    
    if not text1:
        return "오류: 최소 하나의 키워드를 입력해주세요."
    
    progress(0.05, desc="아이디어 생성 준비 중...")
    time.sleep(0.3)
    progress(0.1, desc="창의적인 아이디어 생성 시작...")
    
    # 카테고리에 해당하는 아이디어 생성
    results = generate_transformations(text1, text2, text3, selected_category)
    
    progress(0.8, desc="결과 포맷팅 중...")
    formatted = format_results(results)
    progress(1.0, desc="완료!")
    return formatted

##############################################################################
# 아이디어와 이미지를 함께 생성하는 최종 함수
##############################################################################
def process_all(text1, text2, text3, selected_category, progress=gr.Progress()):
    idea_result = process_inputs(text1, text2, text3, selected_category, progress)
    image_result = generate_design_image(
        idea_result, 
        seed=42, 
        randomize_seed=True, 
        width=1024, 
        height=1024, 
        num_inference_steps=4
    )
    return idea_result, image_result

##############################################################################
# API 키 경고 메시지
##############################################################################
def get_warning_message():
    if not GEMINI_API_KEY:
        return "⚠️ 환경 변수 GEMINI_API_KEY가 설정되지 않았습니다. Gemini API 키를 설정하세요."
    return ""

##############################################################################
# Gradio UI
##############################################################################
with gr.Blocks(
    title="키워드 기반 창의적 변화 아이디어 및 디자인 생성기",
    theme=gr.themes.Soft(primary_hue="teal", secondary_hue="slate", neutral_hue="neutral")
) as demo:
    
    gr.HTML("""
    <style>
    body { 
        background: linear-gradient(135deg, #e0eafc, #cfdef3); 
        font-family: 'Arial', sans-serif; 
    }
    .gradio-container { 
        padding: 20px; 
    }
    h1, h2 { 
        text-align: center; 
    }
    h1 { 
        color: #333; 
    }
    h2 { 
        color: #555; 
    }
    .output { 
        background-color: #ffffff; 
        padding: 15px; 
        border-radius: 8px; 
    }
    .gr-button { 
        background-color: #4CAF50; 
        color: white; 
        border: none; 
        border-radius: 4px; 
        padding: 8px 16px; 
    }
    .progress-message { 
        color: #2196F3; 
        font-weight: bold; 
        margin-top: 10px; 
    }
    </style>
    """)
    
    gr.Markdown("# 🚀 키워드 기반 창의적 변화 아이디어 및 디자인 생성기")
    gr.Markdown("입력한 **키워드**(최대 3개)와 **카테고리**를 바탕으로, 창의적인 모델/컨셉/형상 변화 아이디어를 생성하고, 해당 확장 아이디어를 프롬프트로 하여 디자인 이미지를 생성합니다.")
    
    warning = gr.Markdown(get_warning_message())
    
    with gr.Row():
        with gr.Column(scale=1):
            text_input1 = gr.Textbox(label="키워드 1 (필수)", placeholder="예: 스마트폰")
            text_input2 = gr.Textbox(label="키워드 2 (선택)", placeholder="예: 인공지능")
            text_input3 = gr.Textbox(label="키워드 3 (선택)", placeholder="예: 헬스케어")
            category_dropdown = gr.Dropdown(
                label="카테고리 선택",
                choices=list(physical_transformation_categories.keys()),
                value=list(physical_transformation_categories.keys())[0],
                info="출력할 카테고리를 선택하세요."
            )
            status_msg = gr.Markdown("💡 '아이디어 생성하기' 버튼을 클릭하면 선택한 카테고리에 해당하는 아이디어와 디자인 이미지가 생성됩니다.")
            
            processing_indicator = gr.HTML("""
            <div style="display: flex; justify-content: center; align-items: center; margin: 10px 0;">
                <div style="border: 5px solid #f3f3f3; border-top: 5px solid #3498db; border-radius: 50%; width: 30px; height: 30px; animation: spin 2s linear infinite;"></div>
                <p style="margin-left: 10px; font-weight: bold; color: #3498db;">처리 중입니다...</p>
            </div>
            <style>
            @keyframes spin {
                0% { transform: rotate(0deg); }
                100% { transform: rotate(360deg); }
            }
            </style>
            """, visible=False)
            
            submit_button = gr.Button("아이디어 생성하기", variant="primary")
        
        with gr.Column(scale=2):
            idea_output = gr.Markdown(label="아이디어 결과")
            generated_image = gr.Image(label="생성된 디자인 이미지", type="pil")
    
    # 예제
    gr.Examples(
        examples=[
            ["스마트폰", "", "", list(physical_transformation_categories.keys())[0]],
            ["자동차", "", "", list(physical_transformation_categories.keys())[0]],
            ["자동차", "인공지능", "", list(physical_transformation_categories.keys())[0]],
            ["드론", "인공지능", "", list(physical_transformation_categories.keys())[0]],
            ["운동화", "웨어러블", "건강", list(physical_transformation_categories.keys())[0]],
        ],
        inputs=[text_input1, text_input2, text_input3, category_dropdown],
    )
    
    # 처리중 아이콘 보이기
    def show_processing_indicator():
        return gr.update(visible=True)
    
    # 처리중 아이콘 숨기기
    def hide_processing_indicator():
        return gr.update(visible=False)
    
    # 버튼 클릭 시 처리 로직
    submit_button.click(
        fn=show_processing_indicator,
        inputs=None,
        outputs=processing_indicator
    ).then(
        fn=process_all,
        inputs=[text_input1, text_input2, text_input3, category_dropdown],
        outputs=[idea_output, generated_image]
    ).then(
        fn=hide_processing_indicator,
        inputs=None,
        outputs=processing_indicator
    )

# 메인 실행
if __name__ == "__main__":
    demo.launch(debug=True)