Современные генеративные нейросети достигли такого уровня реализма, что порой становится невозможно отличить созданное ими изображение от документальной фотографии. Однако за этим совершенством скрывается долгий путь эволюции: ранние версии нейросетевых моделей часто давали сбои — генерировали искажённые пропорции, странные сращения объектов, неожиданные артефакты. Именно эти «ошибки» придавали результатам особую эстетику, напоминающую сюрреалистические или метафизические образы.
В своём проекте я предлагаю намеренно вернуться к подобному «несовершенству», но не путём использования устаревших архитектур, а через обучение современной модели. Мне интересно, сможет ли нейросеть, обученная на смешанном датасете — включающем как картины Джорджо де Кирико, так и мои собственные фотографии городских пейзажей, скульптур и бытовых предметов, — породить те самые генеративные аномалии. Ведь в метафизической живописи де Кирико привычные объекты (статуи, аркады, перчатки, поезда) встречаются в необычных масштабах и неожиданных сочетаниях, а реальность приобретает тревожную ирреальность.
Джорджо де Кирико, «Песнь любви», 1914 г.
Кроме того, я проведу сравнительный эксперимент: обучу вторую модель исключительно на репродукциях де Кирико. Сопоставление результатов двух подходов позволит оценить, как именно разнородность датасета влияет на частоту и характер появления артефактов. Будут ли они напоминать галлюцинации ранних нейросетей или же обретут осмысленную метафизическую структуру?
Изображения для обучения
Джорджо де Кирико, «Маски», 1914 г. / Джорджо де Кирико, «Загадка часа», 1910–1911 гг. / Джорджо де Кирико, «Меланхолия и тайна улицы», 1914 г.
Фотографии объектов из личного фотоархива, 2023–2026 гг.
Фотографии из личного фотоархива, 2024 г.
фотографии архитектуры из личного фотоархива, 2021–2025 гг.
Первый обучающий датасет включает два типа изображений: фотографии работ Джорджо де Кирико и фотографии из личного фотоархива. Такое сочетание является намеренным и направлено на создание визуального конфликта между живописным и фотографическим языками.
Второй датасет включает исключительно репродукции работ Джорджо де Кирико и направлен на извлечение и воспроизведение ключевых стилевых характеристик — протяжённых теней, пустых архитектурных пространств, классических форм и нарушенной перспективы.
Результат генераций модели № 1
В процессе генерации неоднородность датасета изначальных изображений приводит к появлению артефактов и искажений, которые можно интерпретировать как цифровой аналог метафизической неопределённости, характерной для работ де Кирико. В результате формируются разнообразные композиции с нестабильной структурой и неоднородной текстурой, в которых сочетаются живописные и фотографические элементы.
Генерация Stable Diffusion
Генерации Stable Diffusion
Генерация Stable Diffusion
Результат генераций модели № 2
Для второй модели, обученной исключительно на репродукциях работ Джорджо де Кирико, характерна значительно более высокая стилевая консистентность: генерируемые изображения визуально близки к исходным произведениям и уверенно воспроизводят ключевые признаки метафизической живописи — архитектурные мотивы, протяжённые тени, пустые пространства и устойчивую перспективу. При этом наблюдается и ограниченность вариативности: композиционные решения во многих изображениях оказываются схожими, повторяются типичные элементы и их расположение, что свидетельствует о более узком, но чётко усвоенном визуальном языке модели.
Генерация Stable Diffusion
Генерация Stable Diffusion
Анализ генераций
В серии изображений, сгенерированной моделью, обученной на смешанном датасете, регулярно возникают неожиданные артефакты, наиболее выразительным из которых стали часы, парящие в воздухе без какой-либо опоры — словно зависшие в метафизическом пространстве.
Описание применения генеративных моделей
Stable Diffusion в Google Colab Реализация кода и генерация изображений
Deepseek Промпты для изображений и помощь с кодом
