Обучение генеративной нейросети под эстетику советского футуризма
Я решила объединить эстетику советских плакатов и архитектуры с футуристическими концепциями. Мне было интересно, сможет ли нейросеть создать что-то новое на основе советского визуального языка.
Задачи:
— Обучить нейросеть на изображениях советских плакатов и архитектуры. — Сгенерировать новые изображения, которые сохраняют дух эпохи, но выглядят футуристично. — Проверить, как AI интерпретирует и трансформирует исторические стили.
Я собрала в датасет около 20 изображений советских плакатов и архитектурных объектов.
Подготовка датасета:
— Привела все изображения к квадратному формату. — Сохранила характерные элементы: красные звезды, серпы и молоты, типичные шрифты. — Отобрала самые выразительные примеры архитектуры.
Обучение модели: код
Использовала Stable Diffusion с дообучением на своем датасете. Прописала код, который:
— Загружает и предобрабатывает изображения. — Настраивает параметры обучения. — Сохраняет промежуточные результаты. — Контролирует процесс обучения.
Генерация:
После обучения начала экспериментировать с промптами:
— «Футуристическая советская архитектура» — «Космическая станция в стиле советских плакатов» — «Город будущего с элементами советского модернизма» — «Технологии в стиле советского конструктивизма»
Что получилось?
Архитектура
Нейросеть создала здания, которые узнаваемо советские, но выглядят футуристично. Появились:
— Небоскребы с элементами конструктивизма. — Космические станции с характерными советскими формами. — Мосты и транспортные системы, напоминающие проекты советских архитекторов-футурологов.
Плакаты
Сгенерированные плакаты сохранили:
— Характерные цветовые схемы (красный, белый, черный) — Типичные композиционные решения. — Но добавили футуристические элементы: киберпанк-технологии, космические корабли, необычные персонажи.
Интересные находки
Технические особенности
С какими сложностями столкнулась:
Нейросеть иногда слишком буквально копировала исходные изображения. Приходилось балансировать между сохранением стиля и созданием нового. Некоторые генерации получались слишком «шумными». Архитектурные формы иногда теряли логику конструкции.
Что сработало хорошо:
Модель отлично усвоила цветовые палитры. Сохранила дух и настроение советской эстетики. Смогла создавать узнаваемые, но новые композиции. Научилась сочетать исторические элементы с футуристическими.
Процесс создания кода для проекта:
Сначала я настроила базовое окружение в Google Colab
Проверила доступность GPU и загрузила базовую модель
Написала код для удобной работы с датасетом
Создала функцию для генерации тематических промптов
Добавила функцию для красивого отображения результатов
Написала код для сохранения всех результатов
Список использованных инструментов: Google Colab, Stable Diffusion, DeepSeek для улучшения промптов, Python-библиотеки, открытые источники советских плакатов и архитектуры.
