Создания стиля генеративной абстрактной гравюры
На первом курсе я создал серию абстрактных гравюр и принял с ними участие в нескольких выставках. Появился запрос на продолжение этой истории и я решил создать стиль для генерации похожих изображений. в обученной на моих картинах нейросети. Это поможет мне в поиске вдохновения и возможно станет решением проблемы создания артов в период отсутствия свободного времени.
Из-за сложности работы с абстракцией были внесены некоторые изменения в структуру шаблона для достижения высокого качества генераций немного иным образом, в связи с чем были превышены мощности базового colab и поэтому процесс обучения будет воспроизведен и объяснен в коде, но не будет запущен. Время затраченное на процесс обучения в более мощной модели заняло около 4 часов.
Первым делом производим подготовку среды и данных, с которыми будем работать далее.
Далее начинаем обучение, которое оказалось довольно глубоким из-за специфики работ. Произведено 25 эпох и 575 шагов. Данные обученной модели подвязаны по ссылке в колабе.
Пример кода ниже для инференса (запускалось как скрипт, а не в jupyter) для генерации тестовых изображений с LoRA Запускалось на A100 80GB. В google colab (T4) не влезет (именна эта версия, но возможно в int4 влезет)
Также было сгенерировано большое множество промптов для отработки обученой модели и поска наиболее интересных вариантов.
Итоговые изображения
Первые две картинки не совсем соответствуют моей задаче создать стиль идеально совпадающий с моими работами, но он отвечает запросу создания идеи для использования моего стиля и создания артов с ним, как отдельного генеративного проекта.
Тут скорее получилось интересное оформительское решение.
Еще одна интересная идея прикладного использования моего стиля.
Приближенный вариант к первой задаче — копирования и воспроизведения моего стиля. Только есть промах в цветах и детализации.
Вот абстракции довольно схожие и использующие самые яркие элементы анализируемого датасета. Это примерно от ожидаемый результат, который можно улучшить продолжив обучать модель. Даже эти изображения уже наталкивают меня новые творческие пути развития моей серии, а значит цель проекта достигнута.
По итогам проекта я получил не идеально стабильный результат генераций, но это и плюс. Ведь генерации отклоняющиеся от стиля, но основанные на нем, как раз и помогают придумывать идеи для развития моего художественного произведения.
Для работы над проектом для генерации идей промптов и описаний ошибок использовались текстовые модели GPT-5 и DeepSeek
