Retrocat: Обучение Stable Diffusion

Идея проекта заключалась в том, чтобы обучить генеративную нейросеть Stable Diffusion создавать изображения с уникальным персонажем — котом-космонавтом — в специфическом стиле ретро-футуризма. За основу была взята эстетика плоской векторной иллюстрации с характерной оранжево-бирюзовой палитрой и чистыми геометрическими линиями.Цель: проверить, сможет ли нейросеть не просто нарисовать кота, а «выучить» конкретный авторский стиль и сохранить узнаваемость персонажа в совершенно разных сценах и контекстах.

Примеры исходных изображений, сгенерированных для формирования датасета

В итоговой серии нейросети удалось идеально передать ключевые характеристики исходного датасета: плоскую векторную графику, минимум теней и характерное преобладание оранжевого цвета. Даже в необычных сценах персонаж остается узнаваемым: сохраняется образ мордочки и стиль ретро

Для создания собственной модели я использовала облачную платформу Kaggle с бесплатной видеокартой (GPU T4). Обучение проходило в несколько шагов:Сначала я подготовила базу: загрузила в программу 14 своих картинок. Затем выбрала основу: нейросеть Stable Diffusion. Чтобы она запомнила графику моего датасета я использовала специальный метод обучения — LoRA.Программа запомнила их особенности моих картинок. В конце я проверила результат: нейросеть усвоила нужный стиль. После этого я сохранила готовую модель и сгенерировала с её помощью все 15 финальных картинок для проекта.

В ходе выполнения проекта искусственный интеллект применялся на нескольких этапах для решения конкретных творческих и технических задач.1. Генерация исходного датасетаМодель: Recraft V3Цель применения: Создание исходных 14 изображений (квадратного формата 1:1) для формирования обучающего датасета. Нейросеть использовалась для визуализации концепта «кота-космонавта» в стиле плоской векторной иллюстрации с заданной оранжево-бирюзовой палитрой. Это позволило быстро собрать консистентный по стилю датасет без необходимости ручного рисования.Ссылка на модель2. Обучение кастомной нейросетиМодель: Stable Diffusion 1.5 (с использованием метода дообучения LoRA)Цель применения: Создание уникальной генеративной модели, способной рисовать конкретного персонажа (кота-космонавта) в авторском стиле. Базовая модель была загружена из официального репозитория и дообучена на созданном датасете. ИИ использовался для изучения визуальных паттернов (цветов, форм, стиля) и их последующего воспроизведения.Ссылка на модель3. Генерация финальной серии и обложкиМодель: Обученная Stable Diffusion 1.5 + LoRA (файл retrocat_lora)Цель применения: Создание 15 результирующих изображений для лонгрида, а также генерация обложки проекта. ИИ применялся для визуализации персонажа в различных сценах (космос, город, быт) с сохранением единого авторского стиля.Ссылка на модель4. Текстовая и техническая поддержкаМодель: ChatGPT (OpenAI)Цель применения: Использование большого языкового модели (LLM) для помощи в написании кода на Python для среды Kaggle, отладки технических ошибок при обучении, а также для структурирования и редактирования текста экспликации (описания) проекта.Ссылка на модель

В результате выполнения проекта была достигнута поставленная цель: обучена генеративная нейросеть Stable Diffusion для создания изображений с конкретным персонажем в заданном авторском стиле.В ходе работы был сформирован собственный датасет из 14 изображений, после чего с использованием облачной платформы Kaggle и метода LoRA была обучена кастомная модель. Тестовые генерации подтвердили, что нейросеть успешно усвоила ключевые визуальные характеристики исходных данных: цветовую палитру и эстетику плоской векторной иллюстрации. Оценка финальной серии из 15 изображений показала, что модель сохраняет узнаваемость персонажа (кота-космонавта) даже при смене сюжета и композиции, что свидетельствует о качестве обучения.