Анри Матисс — французский художник (1869–1954), лидер фовизма — направления с яркими «дикими» цветами и смелыми мазками.
Вступление:
Обучить Stable Diffusion XL (SDXL) яркому стилю Анри Матисса: смелые контуры, плоские цветовые поля, органичные формы и вырезанные силуэты (как в «танцующих» фигурах или «Джазе»).
Поскольку работы Матисса (ум. 1954) недавно вошли в общественное достояние, проект легально использует их для создания новых импрессионистских композиций — танцы, натюрморты, портреты с экспрессивными цветами. Тестируем точность воспроизведения стиля для цифрового искусства и мерча.
Датасет:
Для обучения модели был выбран датасет, состоящий из нескольких групп с картинами художников, конкретно Матисс — 399 штук.
Все изображения были приведены к единому формату: конвертированы в PNG, масштабированы до разрешения (1024×1024) и приведены к квадратному соотношению сторон (1:1).
Это позволило создать однородный и пригодный для обучения набор данных.
Процесс обучения модели:
Stable Diffusion XL дообучили через DreamBooth + LoRA — идеальный метод для фиксации яркого стиля Матисса с минимальными ресурсами.
1. Загрузка данных:
Python-скрипт автоматизировал весь процесс подготовки: датасет с изображениями загружался в Colab и автоматически распаковывался, SVG-файлы конвертировались в PNG, а все изображения нормализовались по размеру и формату для единообразного обучения.
1. Обучение модели:
Модель обучалась с использованием унифицированного текстового промпта‑идентификатора «art in MATISSE style». Этот подход позволил чётко связать набор визуальных характеристик с конкретным текстовым триггером — и тем самым закрепить за LoRA (Low‑Rank Adaptation) уникальный художественный стиль MATISSE.
Итоговые изображения:
«art in MATISSE style, a painting of a table with fruit and a patterned cloth»
«art in MATISSE style, a painting of a man reading a newspaper in a room»
«art in MATISSE style, a painting of a woman lying on a couch with a cat»
«art in MATISSE style, a painting of a vase with flowers on a bright background»
«art in MATISSE style, a painting of a seaside landscape with boats and trees»
«art in MATISSE style, a painting of a woman dancing in a colorful dress»
«art in MATISSE style, a painting of a room with chairs and a large window»
«art in MATISSE style, a painting of a woman sitting by a window with plants»
Вывод:
Нейросеть отлично справилась — точно передает сюжеты Матисса (танцующие фигуры, натюрморты) и гениально работает с цветом: плоские поля, фовистская яркость, органичные переходы.
Недочеты минимальны: несуразные пропорции фигур и «цветовая мешанина» от интенсивного взаимодействия оттенков — но это скорее отсылка к экспрессивной свободе самого Матисса, чем ошибка модели.
Использование нейросети в работе:
В проекте MatisseFlow Perplexity генерировал точные промпты вроде «art in MATISSE style, a painting of a table with fruit and a patterned cloth» https://www.perplexity.ai/, BLIP автоматически капционировал 399 картин Матисса («organic leaves, fauvism colors») https://huggingface.co/Salesforce/blip-image-captioning-base, а Stable Diffusion XL https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0 с DreamBooth https://huggingface.co/docs/diffusers/training/dreambooth и LoRA https://huggingface.co/docs/diffusers/training/lora дообучали на этом датасете — код загружал pipe = StableDiffusionXLPipeline.from_pretrained («stabilityai/stable-diffusion-xl-base-1.0»), подключал LoRA-веса через pipe.load_lora_weights («matisse_lora_weights.safetensors») и генерировал новые работы с num_inference_steps=40, guidance_scale=7.5, получая выразительные силуэты и фовистскую палитру прямо из Colab.
