Идея проекта
В основе проекта лежит попытка зафиксировать и переосмыслить собственный художественный стиль, сформированный в прошлом. В качестве отправной точки были выбраны авторские работы, выполненные пастелью около пяти лет назад и объединённые темой окон как визуального и метафорического мотива.
Со временем художественный язык неизбежно меняется: трансформируются приёмы, усложняется композиция, расширяется визуальный опыт. Это приводит к тому, что прежний стиль становится трудновоспроизводимым — он остаётся зафиксированным в старых работах как отражение определённого этапа развития. В рамках проекта возникает задача не просто обратиться к этим изображениям, но и попытаться «вступить с ними в диалог» с помощью современных инструментов.
Таким инструментом выступает генеративная модель Stable Diffusion, дообученная на выбранном наборе изображений. Старые пастельные работы используются как датасет, позволяющий модели выделить и усвоить характерные признаки раннего стиля: мягкость цветовых переходов, фактуру материала, композицию с акцентом на оконные проёмы и особую атмосферу наблюдения и дистанции.
Концепция «взгляда на себя сквозь время» реализуется через двойную перспективу: с одной стороны — это обращение к собственному прошлому опыту, с другой — попытка увидеть этот опыт заново через интерпретацию нейросети. Таким образом, модель становится посредником между разными этапами художественного развития, создавая новые изображения на основе уже завершённого, но не утратившего ценности визуального языка.
Исходные изображения
Исходные изображения
Мои скетчи характеризуются приглушённой цветовой палитрой с локальными световыми акцентами, выраженной пастельной фактурой и обобщённой формой. Ключевым композиционным элементом выступает окно, создающее эффект рамки и разделения пространства. Работы передают атмосферу уединённости, наблюдения и визуальной недосказанности, где важнее настроение и ощущение момента, чем детализированное повествование.
Сгенерированные изображения
Что демонстрирует итоговая серия: Сгенерированные изображения показывают, что модель смогла перенять ключевые признаки авторского стиля: пастельную текстуру, затемнённую гамму с локальными световыми акцентами, мотив окна как композиционного центра и общее ощущение тихой, созерцательной сцены. При этом генерации не повторяют исходные работы буквально, а создают новые вариации на основе усвоенных визуальных закономерностей.
Описание процесса обучения
Процесс обучения генеративной модели состоял из нескольких этапов: подготовки датасета, дообучения модели Stable Diffusion и последующей генерации изображений.
Подготовка датасета
В качестве обучающего набора использовались 14 авторских изображений, выполненных пастелью и объединённых общей темой окон и наблюдения. Несмотря на небольшой объём датасета, изображения обладают высокой стилистической однородностью, что позволяет модели эффективнее выделять характерные визуальные признаки.
Все изображения были приведены к квадратному формату (1:1) и унифицированы по размеру. При подготовке особое внимание уделялось сохранению фактуры пастели, цветовых переходов и композиционных особенностей, поскольку именно эти элементы являются ключевыми для авторского стиля.
Выбор метода обучения
Для дообучения использовался метод LoRA (Low-Rank Adaptation) на базе предобученной модели Stable Diffusion XL.
Данный подход был выбран по следующим причинам:
позволяет эффективно работать с небольшими датасетами; требует меньше вычислительных ресурсов по сравнению с полным дообучением модели; хорошо сохраняет общие способности модели, адаптируя её под конкретный стиль. Процесс обучения модели
В ходе обучения модель анализировала изображения и сопоставляла их с текстовым описанием (промптом), содержащим указание на авторский стиль. Основной задачей модели было выделение повторяющихся визуальных характеристик, таких как:
цветовая палитра; мягкость и зернистость пастельной фактуры; композиция с использованием окон как центрального элемента; особенности освещения и атмосферы.
Из-за небольшого количества изображений обучение проводилось с осторожно подобранными параметрами, чтобы избежать переобучения. Это позволило сохранить баланс между запоминанием стиля и способностью модели к генерации новых сцен.
Генерация итоговых изображений
После завершения обучения была выполнена серия генераций с использованием различных текстовых запросов. Промпты включали описания новых сцен, но сохраняли указание на обученный стиль, что позволяло проверить, насколько устойчиво модель воспроизводит характерные признаки.
В результате были получены изображения, в которых:
сохраняется узнаваемая пастельная фактура; повторяется композиционный приём с окнами; передаётся атмосфера уединённости и наблюдения; варьируются сюжет, цветовые сочетания и пространственные решения. Вывод по процессу обучения
Несмотря на небольшой объём датасета (14 изображений), модель смогла усвоить ключевые элементы авторского стиля и использовать их при генерации новых изображений. Это подтверждает, что при высокой стилистической целостности исходных данных даже ограниченное количество примеров может быть достаточным для получения выразительного результата.
