Концепция
Данный проект посвящён обучению Stable Diffusion и его применению для создания новых изображений. В качестве основы я решила использовать такое направление в искусстве как укиё-э и взять работы одного из художников этого направления — Утагава Куниёси.
Картины Утагава Куниёси
Для обучения использовался датасет из 35 картин. Ниже представлены некоторые из них.
Сгенерированные изображения
Сперва я решила сгенерировать то, что часто встречается среди работ в стиле укиё-э — пейзажи.
Сгенерированные изображения (комиксная версия)
После пейзажей я задумалась о том, насколько удачно модель могла бы осуществить различные необычные запросы и решила попробовать сгенерировать персонажей из комиксов.
Анализ изображений
Можно заметить, что в своих картинах Утагава в основном ставит людей на первый план, но, несмотря на это, при генерации пейзажей артефакты (случайные люди) возникали нечасто.
Все сгенерированные изображения не выбиваются из цветовой палитры, используемой в укиё-э. Так же сохраняется плоскость цветов и форм.
Тот самый артефакт
Не совсем удачно нейросеть справилась с рисованием цветов. На первый взгляд может показаться, что цветы получились хорошо, однако при приближении видно, что их форма повторяет форму листвы деревьев.
При этом в поданных на анализ работах есть «правильное» их изображение.
Сгенерированное изображение [1], картина Утагава Куниёси [2]
Существенно различаются лица сгенерированных персонажей от нарисованных художником.
Сгенерированное изображение [слева], картина Утагава Куниёси [справа]
Одежда в картинах японского художника всегда яркая и переполнена разнообразными узорами. В изображениях героев комикса можно заметить попытки нейросети сымитировать эти самые узоры.
Сгенерированное изображение [1], картина Утагава Куниёси [2]
Из-за специфики костюмов совсем аккуратно изобразить нейросеть их не смогла, однако персонажи всё равно хорошо читаются и узнаются.
Примечательно, что почти у всех персонажей присутствует катана, которая постоянно изображается у героев картин Утагава.
Сгенерированное изображение [слева], картина Утагава Куниёси [справа]
В целом, все сгенерированные работы соответствовали стилю, которому была обучена нейросетевая модель. Из-за отсутствия вспомогательных средств для улучшения конечного результата, а также из-за определённой сложности стиля Утагава Куниёси в изображениях всё же было достаточно недочётов (например, отсутствие или появление некоторых объектов, слияние персонажа с фоном и т. д.), но это было ожидаемо.
Процесс обучения генеративной модели
Перед началом работы обновляются все библиотеки, загружаются diffusers и обучающий скрипт с GITHUB.
Далее загружается датасет с изображениями для дальнейшего обучения и проверяется правильность его отображения.
Следующий шаг — загрузка BLIP для создания подписей к изображениям.
Также добавляется идентификатор токена концепции к каждой подписи.
Теперь нужно подготовить модель к обучению.
Сперва инициализируется accelerate, а затем вводится токен, созданный заранее на Hugging Face для записи обучающей модели.
После подготовки можно начать само обучение.
Для запуска процесса устанавливается библиотека datasets и запускается команда, в которой указаны нужные параметры для генерации изображений.
Далее модель сохраняется на Hugging Face.
Финальный этап — непосредственно генерирование желаемых изображений. Для этого загружаются нужные модель и веса.
После остаётся только ввести промпт (запрос) и получить созданную картинку.
Ссылки на код и модель
