Основная идея проекта
Цель проекта — создать нейросетевую модель, которая умеет генерировать изображения интерьеров в определённом стиле. В качестве основы используется модель Stable Diffusion, дообученная на специально подобранных изображениях.
Идея заключается в том, чтобы обучить модель распознавать особенности выбранного стиля: цветовые сочетания, материалы, освещение, композицию и атмосферу пространства. После обучения модель сможет генерировать новые изображения интерьеров, которые выглядят как выполненные в этом же стиле.
Проект демонстрирует, как можно использовать нейросети в дизайне интерьеров для генерации идей, вдохновения и визуализации.
Исходные изображения для обучения
Для обучения модели были использованы изображения интерьеров, созданные автором проекта, которые представляют собой 3D-визуализации, выполненные в едином современном стиле.
3D-визуализации номеров для дизайн-проекта отеля.
В датасет вошли различные типы помещений: спальни, гостиные, ванные комнаты, общественные зоны и другие интерьерные сцены.
Основные характеристики изображений: — современный минималистичный стиль; — нейтральная цветовая гамма (бежевый, серый, коричневый); — использование натуральных материалов (дерево, текстиль, камень); — мягкое освещение и проработанная атмосфера.
3D-визуализации спальни для дизайн-проекта жилой квартиры.
3D-визуализация спальни для дизайн-проекта жилой квартиры.
Использование собственных 3D-визуализаций позволило сформировать уникальный визуальный стиль и обучить модель генерировать изображения, максимально близкие к авторскому подходу в дизайне интерьеров.
3D-визуализации жилых интерьеров для дизайн-проекта таунхауса.
Визуальный анализ созданных изображений
После дообучения модели была получена серия изображений интерьеров, выполненных в заданном стиле.
В сгенерированных изображениях хорошо прослеживаются основные характеристики исходного датасета: нейтральная цветовая гамма, использование натуральных материалов и мягкое освещение. Модель успешно воспроизводит атмосферу спокойных и минималистичных пространств.
Созданное обученной нейросетью изображение гостиной.
Созданное обученной нейросетью изображение гостиной.
Сгенерированные изображения отличаются друг от друга по типу помещений, композиции и освещению. Модель способна создавать различные варианты интерьеров: спальни, гостиные, кухни и другие пространства, сохраняя при этом единый стиль.
Созданные обученной нейросетью изображения спален.
Особенно хорошо передаются:
— мягкое естественное освещение — сочетание материалов (дерево, текстиль, камень) — минималистичная композиция
Различия между изображениями проявляются в планировке пространства, деталях мебели и уровне освещённости, что показывает способность модели создавать вариации внутри одного стиля.
Созданные обученной нейросетью изображения кухонь.
Обучение проводилось с использованием модели Stable Diffusion XL и метода DreamBooth LoRA. Для работы использовалась среда Google Colab.
ссылка на код: https://disk.360.yandex.ru/d/h5scpKADdPk7TQ
