Концепция
Проект исследует диалог между искусством прошлого и технологиями настоящего. Я обучила нейросеть на картинах Винсента Ван Гога, чтобы она усвоила характерные черты его живописи.
На основе этого обучения была создана серия изображений, представляющих, как выглядел бы современный город, если бы его писал Ван Гог, живя в 21 веке. Нейросеть интерпретирует городские пейзажи через призму узнаваемого стиля художника.
Проект поднимает вопрос о том, как классическое художественное наследие может переосмысляться с помощью искусственного интеллекта. Это попытка представить альтернативную художественную реальность, где стиль Ван Гога продолжает жить и реагировать на современный урбанистический мир.
Исходные изображения для обучения
Для обучения было я использовала около 50 картин Винсента Ван Гога
«Звездная ночь» «Пшеничные поля близ Овера»
«Женщины в поле» «Вид на Овер и церковь»
«Маки и бабочки» «Этюд сосновых деревьев»
«Пастушка» «Портрет пациента госпиталя Сен-Поль»
Результирующая серия изображений
«photo collage in Van Gogh style, rainy megapolis with neon billboards» «photo collage in Van Gogh style, modern bar crowded with people»
«photo collage in Van Gogh style, crowded subway car»
«photo collage in Van Gogh style, modern nightclub with neon pink light, disco ball, people dancing» «photo collage in Van Gogh style, trash landfill with a modern city in the background»
«photo collage in Van Gogh style, modern megapolis»
«photo collage in Van Gogh style, traffic jam in a modern city»
«photo collage in Van Gogh style, a boy in modern baggy clothes riding on a scateboard» «photo collage in Van Gogh style, crowded asian market»
Развернутый комментарий результатов
Визуальны анализ изображений
Ночной бар — вихревые мазки на потолке и стенах — насыщенные контрастные цвета (желтый, синий, оранжевый) — ощущение движения толпы Нейросеть хорошо воспроизвела динамику мазка и деформацию перспективы, характерную для постимпрессионизма.
Современный мегаполис ночью — текстура мазков — яркие отражения света на мокром асфальте — глубокий контраст холодных и теплых цветов
Люди в метро — лица переданы схематично — фигуры плотно заполняют пространство — зеленовато-желтая палитра Нейросеть воспроизводит лица, напоминающие персонажей из «Едоков картофеля».
Ночной клуб — яркие цвета — динамичная композиция — текстура мазков Модель использовала смешение признаков: текстуру мазка из обучающих данных и современную фотографическую композицию. Это создаёт необычный гибрид живописи и цифровой эстетики.
Свалка на фоне города Текстура мусора превращается в почти абстрактное поле мазков.
Площадь мегаполиса Изображение показывает густую толпу среди небоскрёбов и рекламных экранов. — композиция построена вертикально — множество мелких фигур — мазки передают ощущение движения
Дождливый городской перекрёсток Нейросеть хорошо воспроизводит импасто-эффект (иллюзию густой краски).
Дневной городской трафик Формы автомобилей слегка упрощены — модель обобщает их так же, как художник обобщал формы телег или домов.
Ребёнок на скейтборде Сцена напоминает жанровые портреты детей в живописи XIX века, но с современным элементом, скейтбордом. Модель переносит типаж персонажей из исторической живописи на современный объект.
Толпа людей Это изображение особенно близко к ранним работам художника, посвящённым рабочим и крестьянам.
Итоговый анализ серии Нейросеть успешно воспроизводит ключевые признаки стиля: — вихревые мазки — насыщенные контрастные цвета — эмоциональную экспрессию света Серия изображений демонстрирует, как стиль Ван Гога может быть интерпретирован искусственным интеллектом и применён к визуальной культуре современного города. В результате возникает альтернативная художественная реальность, где язык постимпрессионизма продолжает существовать в цифровую эпоху.
Техническая реализация
Для реализации проекта была взята базовая модель Stable Diffusion XL 1.0 с huggingface, она была до-обучена на датасете из картин Винсента Ван Гога с использованием dreambooth и LoRA. Исходные изображения получались из загружаемого zip архива, подгонялись под входной размер 512 на 512 пикселей. Далее модель была загружена на huggingface и может быть запущена повторно без обучения.
Использованные генеративные ИИ модели:
Stable Diffusion XL 1.0 (https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0) была выбрана в качестве пре-трейн (базовой) модели для обучения на картинах
BLIP (https://huggingface.co/Salesforce/blip-image-captioning-base) использовался для автоматической разметки изображений для будущего обучения кастомной модели
GigaChat (https://giga.chat) использовался для поиска источников при формировании массива изображений (с открытой лицензией)
