Концепция
Центральной темой творчества прерафаэлитов была женщина и феномен женственности в целом. Художников братства не интересовали модницы с выбеленными лицами и объемными париками. Прерафаэлиты стремились к природности и естественности в изображении героинь. Они отвергали идеалы искусственной красоты и создавали образы женщин с натуральными чертами и внутренней глубиной.
Сэр Фрэнк Бернард Дикси, «Безжалостная красавица», ок. 1902
Проект «PRE-RAPHAELITIES 2.0» — это концептуальный синтез нейросетевых технологий и эстетики прерафаэлитов, нацеленный на создание женских персонажей для игр и иллюстраций. В противовес современной казуальной графике, а также сексуализированным женским образам в игровой индустрии, модель обучается на работах Россетти, Миллеса и Уотерхауса, чтобы генерировать образы с характерным «прерафаэлитским взглядом». Художники в равной степени восхищались как чистыми и непорочными девушками, так и судьбоносными, роковыми женщинами, способными погубить. Эти аспекты стали основой для создания серии женских персонажей в различных сеттингах в стиле масляной живописи прерафаэлитов.
Джон Эверетт Милле, «Офелия», 1852
LoRA — метод дообучения нейросетей, при котором обучаются небольшие добавочные матрицы вместо изменения всех весов модели, что снижает требования к памяти и ускоряет процесс. Для обучения был создан датасет из 30 работ художников-прерафаэлитов
Генерации
Stable Diffusion «Воин-ягуар», «Жрица Солнца»
Главное, что удалось передать — это атмосфера и детализация, характерная для прерафаэлитов. Мы видим глубокие, насыщенные, но не кислотные цвета. Освещение часто имеет мягкое, рассеянное качество, создающее ощущение глубины и объема, но без резких теней, что характерно для ранних прерафаэлитов. Текстура холста, мазки кисти, кажущаяся «ручная» прорисовка деталей — все это присутствует, имитируя эффект масляной живописи.
Stable Diffusion «Царевна-лебедь», «Снегурочка»
Stable Diffusion «Северная воительница», «Шаманка»
Изначальная идея заключалась в том, чтобы создать героинь, которые выходят за рамки типичных игровых или книжных архетипов, обладая психологической глубиной и индивидуальностью. Персонажи действительно получились очень разные и естественно красивые, без ненужной идеализации. Героини волевые, решительные загадочные и меланхоличные, что характерно для эстетики образа женщины в работах прерафаэлитов.
Stable Diffusion «Охотница за чудовищами», «Чародейка»
Stable Diffusion «Снежная дева», «Кицунэ»
Несмотря на высокую эстетическую ценность, в представленной серии прослеживаются характерные для нейросетей технические изъяны: в первую очередь это выраженная деформация анатомии кистей и пальцев, а также отсутствие логики в сложных механических и органических структурах — деталях мотоцикла, строении огнестрельного оружия и упряжи лошадей. Кроме того, наблюдается эффект «плавающих» объектов (украшения и инструменты местами сливаются с кожей), а лица героинь, хоть и красивы, иногда тяготеют к «кукольной» внешности, теряя ту специфическую, тяжелую и одухотворенную костную структуру, которая отличала реальных муз прерафаэлитов.
Stable Diffusion «Суккуб», «Злобный ученый»
Stable Diffusion, персонажи в сеттинге киберпанка
Нейросеть не просто скопировала стиль, но смогла адаптировать его к различным контекстам, создавая персонажей, которые ощущаются как «живые» и имеющие собственную историю, что было ключевой целью проекта. Разнообразие персонажей подчеркивает, что стиль может служить не только для исторических или фэнтезийных сюжетов, но и для более современных или футуристических, обогащая их художественной глубиной. В целом, было интересно поработать с классическим искусством, делая его доступным и актуальным.
Stable Diffusion «Винтажная бунтарка», «Командующая космическим флотом»
Алгоритм обучения
1. Предварительная подготовка Проверяю Gpu и подгружаю необходимые библиотеки (bitsandbytes, transformers, accelerate, peft, diffusers) и скрипт обучения DreamBooth.
2. Работа с датасетом После этого через встроенный инструмент Google Colab была загружена база изображений. Предварительно все изображения были кадрированы и приведены к квадратному формату для корректного обучения.
3. Работа с текстовым описанием изображений После проверки успешного добавления файлов для каждого из них были сгенерированы подписи с помощью модели BLIP. Это необходимо, чтобы нейросеть распознавала содержание изображений. Подписи были созданы точно, что подтвердило исправность работы.
4. Подготовка перед обучением Запускаем ускоритель accelerate. Завершающим шагом стал вход в систему Hugging Face Hub и создание токена, для сохранения результатов обучения.
5. Обучение модели Далее переходим к обучению модели. Я установила оптимальное разрешение 512×512, количество шагов на 1000 (для получения более качественного результата), чекпоинты выставила на каждые 500 шагов.
6. Генерация по стилю После завершения процесса полученная LoRA-модель сохранилась на Hugging Face и применялась для генерации новых работ на основе текстового промта.
Stable Diffusion «Фея», «Лесная эльфийка»
Инструменты
Google Colab — среда для написания кода.
Stable Diffusion — модель глубокого обучения.
Hugging Face Hub — создание токена для размещения модели.
Deepseek — нейросеть для создания текстовых промтов.
