feat

app.py

@@ -112,21 +112,43 @@ model.eval()
 def infer_solar_image_heatmap(img):
     # Pré-processamento da imagem
     img_gray = img.convert("L").resize((224, 224))
-    ts_tensor = torch.tensor(np.array(img_gray), dtype=torch.float32).unsqueeze(0).unsqueeze(0).unsqueeze(2) / 255.0
-    batch = {"ts": ts_tensor, "time_delta_input": torch.zeros((1,1))}
-
-    # Inferência
+    img_np = np.array(img_gray)
+    ts_tensor = (
+        torch.tensor(img_np, dtype=torch.float32)
+        .unsqueeze(0)
+        .unsqueeze(0)
+        .unsqueeze(2)
+        / 255.0
+    )  # [B=1,C=1,T=1,H=224,W=224]
+    batch = {"ts": ts_tensor, "time_delta_input": torch.zeros((1, 1))}
+
+    # Inferência (retorna tokens [1, L, D] com finetune=True)
     with torch.no_grad():
-        outputs = model(batch)
-
-    # Pegar o embedding da saída
-    emb = outputs.squeeze().numpy()
-    heatmap = emb - emb.min()
-    heatmap /= heatmap.max() + 1e-8
+        tokens = model(batch).squeeze(0).cpu()  # [L, D]
 
-    # Criar figura do heatmap
-    plt.imshow(heatmap, cmap='hot')
-    plt.axis('off')
+    # Remover o componente estático de posição para evitar mapa "igual" entre imagens
+    try:
+        pos = model.embedding.pos_embed.squeeze(0).to(tokens.dtype).cpu()  # [L, D]
+        if pos.shape == tokens.shape:
+            tokens = tokens - pos
+    except Exception:
+        pass
+
+    # Agregar energia por patch (L2) e remontar 14x14
+    L, D = tokens.shape
+    side = int(L ** 0.5)  # 14 para 224/16
+    heat_vec = torch.sqrt((tokens**2).mean(dim=1))  # [L]
+    heat = heat_vec.reshape(side, side).numpy()
+
+    # Normalizar e upsample p/ 224x224 (nearest para simplicidade)
+    heat = (heat - heat.min()) / (heat.max() - heat.min() + 1e-8)
+    heat224 = np.kron(heat, np.ones((224 // side, 224 // side)))
+
+    # Overlay sobre a imagem original
+    plt.figure(figsize=(5, 5))
+    plt.imshow(img_np, cmap="gray")
+    plt.imshow(heat224, cmap="inferno", alpha=0.5, vmin=0.0, vmax=1.0)
+    plt.axis("off")
     plt.tight_layout()
     return plt.gcf()