Живопись Василия Верещагина в генеративной графике

Данный проект представляет собой исследование того, как генеративная нейросеть способна воспроизводить художественный стиль на основе работ Василия Васильевича Верещагина. Его творчество отличаются разнообразием сюжетов, вниманием к свету и пространству, а также характерными пустынными и открытыми пейзажами. Цель проекта — научить модель воспроизводить визуальный образ, ориентируясь на цветовую палитру, композиционные особенности и атмосферу работ художника, сгенерировать новые сцены, которые сохраняют стилистическую близость к оригинальному творчеству.

Для обучения модели был собран датасет из работ Василия Верещагина (в квадратном формате, 1:1), являющихся общественным достоянием. Изображения были взяты из открытых источников и отобраны с учетом различных параметров: — исторические эпизоды — пейзажи — архитектурные виды — разнообразные культурные контексты — фигуративные сцены с людьми

Обучение генеративной модели проводилось на основе Stable Diffusion и LoRA.

Ключевые этапы работы: — Подготовка датасета (форматирование изображений, тщательная подборка картин) — Настройка обучения (задание параметров) — Обучение модели (учитывались стилистические особенности выборки изображений) — Генерация изображений

Итоговая серия демонстрирует насколько точно нейросеть способна интерпретировать заданный стиль и создать новые изображения. Удалось передать характерную цветовую палитру, выразительные сюжеты и композиционную целостность.

Получившиеся изображения отражают разнообразие работ Василия Верещагина, транслируют набор образов, которые объединены единой атмосферой.

В ходе проекта была выявлена интересная особенность генерации — модель иногда усиливает визуальный образ, придает симметрию и равномерность, насыщает сцену множеством объектов.

Ноутбук содержит полный процесс обучения модели: — загрузка и подготовка датасета — создание директории для изображений — настройка параметров обучения — запуск обучения модели — генерация изображений