Генерация изображений в стиле Жана-Мише́ля Ба́ския
/ИДЕЯ ПРОЕКТА/
Жан-Мишель Баския (Jean-Michel Basquiat) — культовая фигура в мире современного искусства, американский художник гаитянско-пуэрториканского происхождения, родился 22 декабря 1960 года в Бруклине, Нью-Йорк, а умер 12 августа 1988 года в возрасте всего 27 лет. Несмотря на столь короткую жизнь, он оставил мощнейший след в искусстве 20 века и стал символом уличной культуры, борьбы, свободы и самовыражения.
Баския начал свою карьеру в конце 1970-х как уличный художник под псевдонимом SAMO (сокр. от «Same Old Shit»). Он и его друг Аль Диас рисовали на стенах Манхэттена поэтичные и провокационные фразы — своего рода визуальные манифесты.
Позже он перешёл в галерейное искусство и стал одним из ярчайших представителей неоэкспрессионизма — направления, которое возвращало живописи эмоциональность, яркость и интуитивность после периода минимализма и концептуального искусства.
/РЕФЕРЕНСЫ ДЛЯ ГЕНЕРАЦИИ/
Без названия
«Ирония негритянского полицейского», «После прокола»
Для обучения использовался датасет, включающий 100 картин художника. Эти работы охватывают разнообразные тематики, типичные для Баския: урбанистические мотивы, абстрактные фигуры, тексты, наложенные на изображения, а также яркая цветовая палитра и спонтанная композиция. Модель обучалась воспроизводить характерные черты этого стиля, чтобы в дальнейшем иметь возможность создавать изображения в духе оригинального творчества художника.
/РЕЗУЛЬТАТ ГЕНЕРАЦИИ, СЕРИЯ ИЗОБРАЖЕНИЙ/
После завершения дообучения модель была использована для генерации новой серии изображений, стилизованных под творчество Жан-Мишеля Баския. В полученной серии особое внимание уделено изображению лиц, которые стали неотъемлемой частью художественного языка художника. Генерированные работы включают как сложные, многослойные композиции с выразительными лицами, наполненные символикой и текстами, так и более минималистичные изображения, в которых лица играют центральную роль, передавая эмоциональное напряжение и жесткость.
Разнообразие вариаций в результатах генерации также заслуживает внимания. Каждое изображение отличается как по композиции, так и по динамике — от разной палитры и углов освещения до уникальных абстрактных элементов, которые отражают не только стиль Баския, но и особенности работы модели. Сгенерированные изображения сохраняют характерные черты, такие как смелые линии и текстуры, но каждое изображение имеет свой уникальный контекст.
Особенно примечательно, что в сгенерированных изображениях нейросеть смогла воспроизвести узнаваемые фигуры — те самых «человечков» в стиле Баския с искажёнными пропорциями, выразительной мимикой и грубой, будто наспех нанесённой линией. Эти персонажи стали визуальной подписью художника, отражая его стремление к свободному самовыражению и критике социальной реальности. Модель не только уловила общий стиль, но и передала эмоциональную энергию и визуальную экспрессию, присущие оригиналам.
Ключевым элементом успешного дообучения модели стала методика LoRA (Low-Rank Adaptation), которая сыграла важную роль в адаптации Stable Diffusion под специфическую задачу. LoRA позволяет эффективно дообучать большие модели, такие как Stable Diffusion, без необходимости значительных изменений в их архитектуре. Вместо того чтобы начинать обучение с нуля, метод использует уже обученную модель и добавляет лишь дополнительные параметры, специфичные для новой задачи. Это значительно уменьшает вычислительные затраты и сокращает время, необходимое для дообучения.
В рамках этого проекта, LoRA позволил адаптировать модель под стиль Баския, улучшив результаты при минимальных вычислительных затратах. Метод позволил нейросети выделить важнейшие характеристики стиля, такие как яркие контрасты, характерные линии и символику, и точно передать их в сгенерированных изображениях.
Таким образом, результаты генерации в полной мере соответствуют первоначальной идее проекта — воссоздать визуальный стиль и атмосферу творчества Жан-Мишеля Баския через нейросетевое моделирование.
/ИСПОЛЬЗОВАНИЕ ГЕНИИ В ПРОЕКТЕ/
В рамках проекта я использовал ChatGPT для помощи в настройке параметров обучения для скрипта train_text_to_image_lora. ChatGPT помог с формулировкой оптимальных значений для ключевых параметров, таких как размер батча, количество шагов для градиентного накопления, шаги обучения и параметры оптимизации. Это позволило более точно настроить модель для эффективного дообучения и получения качественных результатов при генерации изображений в стиле Жан-Мишеля Баския.
