Первоначальные картины, которые были использованы, были посвящены шумному походу в бар, где главные персонажи вдоволь смогли насладиться вечером.
Оригинальная история происходит в Японии, но что бы было, если действия происходили в других странах?
Некоторые источники для обучения нейросети
night party in Tokyo
night party in Paris
night party in Rio de Janeiro
night party in New York
night party in India
night party in Morocco
night party in Berlin
night party in Mexico
night party in London
night party in Seoul
Также отдельно была создана обложка проекта, которая объединяет все страны и визуальный ряд
Комментарий
В серии картин представлены ночные вечеринки в разных странах. Все изображения объединены одной темой: движение, музыка, свет и присутствие людей. Однако каждая сцена разворачивается в своём культурном контексте.
Главное, что удалось передать в работах, так это общий визуальный стиль. Во всех изображениях сохраняется характерная работа со светом, насыщенная цветовая палитра и плотная композиция. Пространство почти всегда заполнено деталями, фигурами и источниками света, из-за чего сцены выглядят динамичными и «живыми». Также повторяется ощущение глубины и многослойности: передний план, фон и промежуточные элементы взаимодействуют между собой.
Таким образом, различия между изображениями строятся не на смене стиля, а на смене окружения. Стиль остаётся единым, а вариативность возникает за счёт света, пространства, цвета и плотности сцены.
С точки зрения генерации модель лучше всего передаёт общую атмосферу и композицию. Свет, цвет и ощущение движения воспроизводятся довольно стабильно. Менее точно могут передаваться отдельные детали, особенно в сложных сценах с большим количеством объектов. Поэтому итоговая серия была отобрана вручную: из нескольких генераций выбирались наиболее удачные варианты.
Дополнительных методов улучшения, таких как апскейл или постобработка, не использовалось. Основной результат получен за счёт обучения LoRA и работы с текстовыми prompt’ ами. При генерации сохранялись одинаковые параметры (разрешение, шаги, guidance), чтобы серия выглядела цельной.
В целом результат соответствует первоначальной идее. Модель смогла перенести визуальный язык обучающего датасета на новые сцены и при этом создать разнообразные изображения, которые работают как единая серия.
Процесс обучения
Использовалась Stable Diffusion XL с DreamBooth и LoRA в Google Colab.
Этапы работы: подготовка датасета, обучение модели, подключение LoRA и генерация изображений.
Из-за ограничений GPU параметры были упрощены, чтобы обучение работало стабильно.
Использование ИИ
В проекте использовались:
Stable Diffusion XL — для генерации изображений ChatGPT — для помощи с текстом и структурой