Концепция и референсы
Я очень люблю уличную фотографию. Это искусство ловить моменты, которые никогда не повторятся. Недавние аномальные морозы стали для меня настоящим подарком: я часами бродила по заснеженным паркам и улицам, рассматривая замерзшие ветки, покрытые тончайшим слоем инея, и ловя в объектив суровую красоту зимних пейзажей
Сгенериованно мной в Recraft
Вернувшись домой, я решила попробовать воссоздать эту атмосферу с помощью нейросетей. Однако меня ждало разочарование. Популярные модели выдавали пугающе одинаковые результаты: идеально симметричные ветки, стандартное освещение и полное отсутствие той самой «живой» композиции, которую я видела в реальности. Картинка была слишком вылизанной
Пример фото из датасета
Это подтолкнуло меня к созданию собственного инструмента. Я поняла, что если хочу увидеть на экране настоящий иней, мне нужно научить нейросеть на основе настоящих зимних фотографий. В качестве основы я использовала датасет — фотографии, сделанные во время морозов и холодов
Мои генерации
Нейросеть быстро уловила нюансы освещения и текстур. Теперь она с первого раза понимает промпты вроде «frost-ridden branches with blue reflection tones» или «ice crystals shining on frozen branches»
frost-ridden branches
Изображения стали более глубокими и атмосферными, в них появилось то самое композиционное разнообразие, которого мне так не хватало в стандартных генерациях
frost-ridden branches
frost-ridden branches
Я попробовала также сгенерировать различные пейзажи, с закатом, хвойные и т.д
winter landscape at sunset
coniferous landscape
coniferous landscape
И мой фаворит
Описание применения генеративной модели
Проект реализован с использованием модели Stable Diffusion v1-5 и технологии LoRA. Обучение проходило на зимнем датасете. Для генерации финальных изображений я использовала библиотеку diffusers