Обучение генеративной нейросети под стиль Виктора Васнецова
ИДЕЯ ПРОЕКТА
Целью этого проекта стало обучение генеративной модели созданию изображений в уникальном художественном стиле. Вдохновением послужили работы художника Виктора Васнецова, чей стиль отличается глубокой символикой и приверженностью к народным мотивам. Его живопись погружает зрителя в мир славянской мифологии и фольклора, создавая яркие образы персонажей и природных пейзажей. Особенное внимание уделяется насыщенным цветам и детализированным текстурам, которые придают работам ощутимый объем и жизнь. Этот узнаваемый визуальный язык лег в основу создания новых образов, передающих атмосферу сказки и волшебства, сочетая традиционное искусство с современными технологиями.
Примеры данных из датасета
Материальная текстура: фигуры в работах Васнецова выполнены с глубокой проработкой деталей, создающей впечатление рельефности и органичности. Часто они выглядят так, будто созданы из натуральных материалов, таких как дерево или камень, с тонкими декоративными элементами. Палитра: используются насыщенные и яркие цвета с оттенками земных тонов и глубоких зеленых. Часто встречаются теплые красные, оранжевые и золотистые оттенки, которые придают работам атмосферу тепла и уюта. Гладкость и мягкость: изображения отличаются живостью и динамичностью, фигуры и пейзажи передают органичность и естественность. Контуры мягкие, создавая ощущение погруженности в мир фантазии и волшебства. Свет и тень: мастерское использование света и тени делает композиции объемными, многие сцены выглядят так, будто освещены мягким, рассеянным светом, усиливающим магическую атмосферу. Такие работы вызывают ощущение глубокой связи с народным искусством и мифологией, погружая зрителя в мир, где традиция встречается с современным восприятием сказки и сказочного реализма.
ПРОЦЕСС ОБУЧЕНИЯ МОДЕЛИ
Генерация описаний
Генерация изображений
Процесс настройки модели состоял из нескольких важных этапов. Включал сбор и обработку датасета с картинами художника, обучение модели с применением Fine-tuning Stable Diffusion XL, а также использование методов DreamBooth и LoRA. DreamBooth помог интегрировать стиль Коровина в модель, тогда как LoRA обеспечил эффективное обучение с минимальными затратами вычислительных ресурсов. Работа проводилась в среде Kaggle, что дало возможность воспользоваться облачными вычислениями для обучения модели. Использовалось 1000 шагов для обучения.
СЕРИЯ ИТОГОВЫХ РАБОТ ОБУЧЕННОЙ МОДЕЛИ
Изображения, сгенерированные обученной моделью — синяя ворона преподает перед классной доской
Изображение, сгенерированное обученной моделью — кот сидит на диване и пьет пиво
Сгенерированные изображения характеризуются яркими и насыщенными цветами, с преобладанием теплых оттенков красного, золотого, зеленого и серого. Многие картины наполнены элементами русской мифологии и сказочности, включая фоновые леса и величественные пейзажи, создавая атмосферу волшебства и чудес.
Изображения, сгенерированные обученной моделью — дети делают свою домашнюю работу/картина с пейзажем с деревьями и небом
Изображения, сгенерированные обученной моделью — картина с изображением ангела с черной птицей на спине/картина с изображением женщины в желтой рубашке
Изображения, сгенерированные обученной моделью — ангелы/школьные учебники угрожают ножом
