Казимир Малевич — художник русского авангарда начала XX века. В рамках проекта я исследую, как генеративная модель может перенять его фигуративный визуальный язык: упрощённые человеческие формы, плоскостную композицию, крупные цветовые пятна и геометризацию образа.
Идея проекта
В этом проекте я исследую, насколько генеративная модель способна перенять особенности фигуративных работ Казимира Малевича. Основная задача заключалась не в том, чтобы получить визуально похожие изображения, а в том, чтобы проверить, сможет ли нейросеть уловить ключевые принципы этого языка, например обобщённую человеческую фигуру, геометризацию формы, плоскостную композицию и работу с локальным цветом.
Для обучения был собран датасет из 20 изображений Казимира Малевича, объединённых общим визуальным принципом: фигуративные композиции с упрощёнными человеческими образами.
Изображения для обучения были взяты с открытого ресурса Wikimedia Commons. Использованные материалы находятся в открытом доступе и были отобраны для учебного проекта. После этого все файлы были подготовлены, приведены к единому формату и использованы для дообучения модели.
Метод обучения
В рамках проекта я использовал модель Stable Diffusion XL и адаптировал её под выбранный визуальный материал с помощью метода LoRA. Обучение проводилось в Google Colab на GPU T4 на основе заранее подготовленного датасета из изображений Казимира Малевича. После завершения обучения была получена отдельная LoRA-настройка, которую я затем применил для генерации новой серии изображений в логике исходного визуального языка.
Результат
Итоговая серия показала, что модель смогла перенять ключевые особенности выбранного визуального языка: упрощённые фигуры, геометризацию формы, плоскостную композицию и локальный цвет.
Наиболее удачными оказались портретные и фронтальные композиции, где особенно хорошо считываются характерные признаки исходного датасета. При этом часть изображений получилась более однообразной по композиции и цвету, что связано с ограничениями датасета и особенностями генерации.
Вывод
Проект показал, что после дообучения генеративная модель способна работать с более сложными признаками художественного языка, а не только с отдельными объектами. В результате удалось получить серию новых изображений, в которых сохраняются узнаваемые черты фигуративных работ Казимира Малевича, но сами композиции остаются самостоятельными.
