Пастельная хореография и смещенный фокус Эдгара Дега

Базовые алгоритмы искусственного интеллекта обучены правилам идеальной композиции: объект всегда находится в центре, он полностью помещается в кадр, а его текстура должна быть гладкой и физически понятной. Но что произойдет, если заставить нейросеть рисовать вопреки этим правилам: обрезать людям головы краем холста, смотреть на них сверху вниз и использовать сухую, сыпучую текстуру мелка вместо привычного масла?

Дега был одержим балетом, скачками, театром и повседневным трудом парижанок. Его искусство революционно благодаря двум вещам. Во-первых, он использовал фотографическое, часто случайное кадрирование (смещенный центр, фигуры «вываливаются» за край картины). Во-вторых, он был абсолютным гением пастели — техники, где цвет наносится сухими штрихами, создавая слоистое, пудровое, вибрирующее изображение.

Обучение генеративной модели на его работах — это тяжелейший стресс-тест на отказ от «правильного» рендера. Нейросеть будет до последнего сопротивляться попыткам нарисовать сцену так, словно это случайный кадр, сделанный из-за кулис или из театральной ложи сверху. А имитация сухой, пыльной фактуры пастельного мелка, сквозь который просвечивает цветная бумага, — это вызов, который заставляет алгоритм работать на пределе своих текстурных возможностей.

Ниже представлены некоторые работы Эдгара Дега, вошедшие в базу данных для обучения искусственного интеллекта.

В рамках проекта обучение проводилось в облачной среде Google Colab с использованием метода LoRA (Low-Rank Adaptation). Этот подход позволяет дообучить тяжелую базовую модель (например, Stable Diffusion), обновляя лишь небольшую часть алгоритмов, что делает процесс быстрым и эффективным.

Чтобы сделать процесс наглядным, весь технический этап (пайплайн) разбит на четыре ключевых шага:

Генерация и обучение нейросетей требуют мощных видеокарт (GPU). На этом шаге мы инициализируем сервер и проверяем, какой именно вычислительный ресурс выдал нам облачный сервис Google для работы.

Подключаем облачный диск, на котором лежат отобранные картины художника (датасет), и скачиваем необходимые библиотеки машинного обучения (такие как diffusers и accelerate). Это дает нашему коду «инструменты» для работы с изображениями.

Это кульминация технического процесса. Здесь мы передаем нейросети команду: «Возьми базовую модель, проанализируй картины в нашей папке и найди в них общие стилевые черты». Процесс идет шаг за шагом, пока нейросеть не выучит уникальный почерк художника, связав его со специальным кодовым словом.

После завершения обучения тестируем результат. Пишем текстовый запрос (промпт), используем выученное кодовое слово, и нейросеть «рисует» совершенно новое изображение в только что освоенном стиле.

Работы Эдгара Дега отличаются ярким, узнаваемым стилем, который характеризуется несколькими ключевыми особенностями: 1)Мастерство пастели: видимые сухие штрихи, наслоение цвета, матовая и слегка «пудровая» фактура изображения. 2)Асимметричное, фотографическое кадрирование: фигуры часто смещены от центра или резко обрезаются краем холста. 3)Необычные ракурсы: взгляд на сцену сверху вниз или снизу вверх. 4)Искусственное театральное освещение: свет, бьющий снизу вверх, создающий призрачные тени на лицах балерин. 5)Повседневность в движении: фиксация случайных, непарадных моментов (завязывание пуантов, потягивание, усталость).