Обучение генеративной нейросети под стиль Gao Hang
Концепция
Гао Ханг (Gao Hang) — современный китайский художник, работающий на стыке цифрового примитивизма, ранней компьютерной графики и социальной критики. Его стиль характеризуется:
1. Нарочито «грубыми» 3D-моделями (низкополигональные формы, угловатость, примитивный рендеринг)
2. Флуоресцентной палитрой (неоновые розовые, синие, зелёные оттенки, которые «взрывают» восприятие)
3. Эстетикой старых ОС и игр (пиксельные текстуры, CRT-размытие, VHS-артефакты).
4. Философским подтекстом (контраст между «кричащей» цифровой эстетикой и пустотой соцсетевой идентичности)
Описание применения генеративной модели
Для адаптации модели под стиль Gao Hang я применила fine-tuning Stable Diffusion XL, комбинируя два подхода: DreamBooth и LoRA.
DreamBooth позволил закрепить в модели ключевые визуальные концепции стиля, используя ограниченный набор референсных изображений. Это обеспечило узнаваемость стиля при генерации.
LoRA (Low-Rank Adaptation) использовался для эффективного обучения без перезаписи всех весов SDXL. Этот метод ускорил процесс и снизил требования к вычислительным ресурсам.
Весь процесс был реализован на платформе Kaggle, что дало доступ к GPU и готовым оптимизированным конфигурациям для работы с диффузионными моделями.
Такой подход позволил сохранить гибкость оригинальной SDXL, но добавить в неё характерные черты.
Модель базирована на stable-diffusion-xl-base-1.0» https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0
Результаты генераций
Для обучения использовалось 1000 шагов (без промежуточных). Итоговая серия изображений не просто копирует технику Гао Ханга, но и передаёт его концептуальные идеи:
1. Генерация изображений с «фальшивой» цифровой эстетикой (имитация дешёвого 3D, глитчи, пересветы).
2. Акцент на флуоресцентные цвета, которые невозможно точно воспроизвести на экране.
3. Визуальные метафоры социальных масок (например, «разваливающиеся» портреты или абстракции, напоминающие аватары).
Код
