Концепция
Целью данного проекта является создание серии портретов исторических политических деятелей, выполненных в художественном стиле Томаса Гейнсборо. В качестве объектов генерации выбраны личности, сыгравшие значительную роль в мировой истории и уже ушедшие из жизни.
Проект направлен на исследование возможности переноса эстетики классической живописи XVIII века на образы известных политических фигур. Особое внимание уделяется передаче характерных черт стиля художника: мягкой цветовой палитры, живописной фактуры и выразительной работы со светом.
Таким образом, работа представляет собой попытку визуальной реконструкции исторических образов через призму художественного языка другой эпохи с использованием современных технологий искусственного интеллекта.
Собранный датасет
Для обучения модели был сформирован специализированный датасет, включающий произведения Томаса Гейнсборо. В выборку вошли преимущественно портретные работы, что обусловлено задачей генерации изображений аналогичного жанра.
Все изображения были отобраны из открытых источников и находятся в общественном достоянии (Public Domain), что позволяет использовать их в исследовательских целях без нарушения авторских прав.
Особое внимание при формировании датасета уделялось стилистической однородности изображений, что позволило повысить качество обучения модели и точность переноса художественных особенностей.
Итоговые изображения
Авраам Линкольн
Александр Суворов
Королева Елизавета II
Наполеон Бонапарт
Сталин
Теодор Рузвельт
В результате работы была получена серия сгенерированных портретов политических деятелей, в которых отчетливо прослеживаются характерные черты живописного стиля Томаса Гейнсборо.
Сгенерированные изображения демонстрируют мягкость форм, утонченную цветовую гамму и характерную манеру письма, присущую художнику. При этом современные (с точки зрения истории) лица органично вписываются в визуальную эстетику XVIII века.
Итоговая серия позволяет представить, как могли бы выглядеть портреты данных исторических фигур, если бы они были написаны в соответствующей художественной традиции.
Техническая составляющая
Процесс реализации проекта включал этапы подготовки датасета, его аннотирования и последующего обучения модели. Для повышения эффективности обучения использовались методы оптимизации, такие как gradient checkpointing и 8-битная оптимизация, позволяющие снизить нагрузку на вычислительные ресурсы.
Обучение проводилось на относительно небольшом, но стилистически согласованном датасете, что обеспечило более точное усвоение моделью характерных художественных особенностей.
Также были заданы ключевые параметры обучения, включая размер изображений, скорость обучения и количество шагов, что позволило достичь баланса между качеством генерации и затратами ресурсов.
Использованные генеративные модели
1.Stable Diffusion XL — генерация изображений 2.Dreambooth + LoRA — дообучение модели 3.BLIP — генерация подписей к изображениям
