Концепция
В рамках проекта я решила обучить модель SDXL DreamBooth LoRA на основе иллюстраций Казимира Малевича, относящихся к определённому периоду его творчества, когда художник активно работал в авангардистском направлении.
Авангард Малевича сочетает лаконичность формы и выразительность цвета, что делает его стиль подходящим для визуального контента в цифровой среде.
Целью проекта стало создание оригинальных изображений для использования в соцсетях, выполненных в духе авангардного искусства начала XX века, но с современными сюжетами и визуальными мотивами. Так родилась идея объединить эстетику классического супрематизма с актуальными темами и форматами, характерными для цифрового искусства и медиа-пространства.
Обученная LoRA-модель позволила переносить характерные черты живописи Малевича — геометричность композиций, контрастную палитру и ощущение динамики — в новые изображения, сохраняя дух оригинала и добавляя современный контекст.
Исходные изображения для генерации
Слева (Фигура): Ключевыми характеристиками являются безликость персонажа, использование локальных цветовых пятен (красная голова, синий торс) для обозначения формы, а также статичная, фронтальная композиция.
Справа (Абстракция): Здесь важна динамика «летающих» геометрических фигур в невесомом пространстве. Строгая цветовая палитра (черный, красный, желтый, синий, зеленый) и взаимодействие простых форм (прямоугольники, круги, кресты) создают ощущение движения и напряжения.
Генерации
Итоговая серия представляет различные интерпретации исходного стиля: объектную (автобус) и пространственную (архитектура). Обе генерации демонстрируют высокое качество переноса стиля и глубокое понимание нейросетью структуры исходных данных.
Нейросеть блестяще справилась с задачей наложения супрематической «сетки» на сложный трехмерный объект. Автобус превращен в передвижное полотно. Геометрические блоки красного, желтого, синего и черного цветов идеально вписаны в конструкцию транспортного средства, заменяя собой привычный дизайн.
Если первая генерация работала с цветом и плоскостью, то вторая работает с динамикой и пространством, отсылая к правому исходному изображению. Хаотично разбросанные фигуры с референса здесь превращены в мощные диагональные балки и архитектурные конструкции.
Генерация использует исключительно базовые геометрические формы — прямоугольники и квадраты. Полное отсутствие кривых линий и органических форм — прямая отсылка к супрематическому отказу от фигуративности в пользу чистой абстракции.
Описание процесса обучения
В ходе работы в Google Colab я обучала модель SDXL DreamBooth LoRA — технологию, позволяющую «дообучить» большую нейросеть под конкретный стиль или объект. Сначала был настроен GPU и установлены необходимые библиотеки, включая Diffusers и DreamBooth. Далее я загрузила свою базу изображений через встроенную функцию Colab.
Для корректного обучения все изображения были обрезаны под квадратный формат и тщательно подготовлены. После загрузки я проверила, что файлы корректно добавились, и создала подписи для каждого изображения — этот шаг важен, чтобы нейросеть понимала, что изображено на картинках. Подписи сгенерировались точно, что подтвердило корректность работы. Затем был произведён вход в систему Hugging Face, где позже сохранялись результаты обучения.
Перед запуском тренировки я задала необходимые параметры: разрешение 512 × 512 пикселей, максимальное количество шагов — 500, контрольная точка — 250. Это позволило ускорить процесс и завершить обучение примерно за полчаса. Кроме того, я увеличила количество шагов тренировки относительно стандартных настроек, чтобы получить более выразительный и качественный результат.
Обучение проводилось на наборе изображений, выполненных в авторском стиле «in the style of MALEVICH». После завершения процесса LoRA-модель была сохранена на Hugging Face и применена для генерации новых изображений. В результате получилась модель, точно передающая особенности выбранного художественного стиля.
Список использованных инструментов:
GoogleColab блокнот — обучение SDXL DreamBooth LoRA
Perplexity — решение проблем возникающих с кодом + разработка концепций
NanoBananaPro — улучшение качества изображений
