Исходный размер 1100x1600

Обучение генеративной нейросети на работах Альбера Морке

Проект принимает участие в конкурсе

Концепция

Мне по духу очень близки работы постимпрессионизма, фовизма — они отличаются особой плавностью форм, нежностью, от них чувствуется гармония и спокойствие.

Альбер Марке известен своим стилем, сочетающим в себе эти элементы. Соединив эти течения, он создавал воздушные и атмосферные работы, которые отличались пастельной палитрой, мягкими абстрактными формами.

Именно поэтому я взяла его работы как основу того, на чем будет обучаться моя модель. Марке рисовал по большей части сюжеты, связанные с его родной страной — Францией. Я, в свою очередь, буду генерировать сюжеты про Россию — ключевые города, национальные праздники, повседневные истории, природа.

Модель: подготовка и обучение

Для начала я подготовила датасет из 20+ различных городских и пейзажных изображений. Вариативность поможет модели натренироваться на более точное воссоздание атмосферы.

Исходный размер 2293x1516

Примеры из архива

Обучение поделено на несколько блоков — загрузка библиотек и модели StableDiffusion, обработка изображений и создание шаблона модели, ее обучение, генерация.

0

Код был написан на основе материала из курса, в нем заменен блок с импортированием. Так как архив я подгружаю из своего Гугл диска, то в часть с загрузкой и обработкой архива мне нужно было выгрузить нужные библиотеки, команды и монтировать диск.

Серии, генерации

После обучения модель переняла ключевые стилистические паттерны: — пастельная палитра; — расплывчатые нежные формы и силуэты; — мягкая гармоничная композиция и визуализация.

Именно эти черты я и планировала реализовать в итоговом стиле.

Блок 1: пейзажи

Исходный размер 2293x1144

Пейзажи Байкала (foggy morning over Lake Baikal in krasivi style)

Исходный размер 2293x1144

Леса Сибири (a snow-covered path in the Siberian coniferous forest, in krasivi style)

Блок 2: города России

Исходный размер 2293x1144

г. Москва (Moscow Red Square, lots of people and tourists, in krasivi style)

Исходный размер 2293x2293

г. Москва (bridge over the river, view of the Moscow Kremlin, a motor ship sailing along the river, in krasivi style)

Исходный размер 2293x2293

г. Санкт-Петербург (evening embankment in St. Petersburg, in krasivi style)

Исходный размер 2293x1144

г. Волгоград / г. Екатеринбург (embankment in Volgograd / Yekaterinburg in the late evening, in krasivi style)

Исходный размер 2293x1144

г. Казань (streets of Kazan with houses and cars, in krasivi style)

Исходный размер 2293x1144

г. Краснодар (spring park in Krasnodar, panoramic view, in krasivi style)

Исходный размер 2293x1144

г. Уфа (people at the winter market in Ufa, in krasivi style)

Исходный размер 2293x1144

г. Суздаль (people walk along the roads in the Suzdal, in krasivi style)

Исходный размер 2293x2293

г. Суздаль (streets of Suzdal in winter, in krasivi style)

Исходный размер 2293x1144

г. Ростов / г. Нижний Новгород (embankment in Rostov / Nizhny Novgorod, Kremlin towers above the river, in krasivi style)

Блок 3: праздники

Исходный размер 2293x1144

Новый год (Christmas tree on red Square, lots of people around, in krasivi style)

Исходный размер 2293x1144

9 мая (Victory Day parade on the square next to the Red Kremlin in Moscow, in krasivi style)

Исходный размер 2293x1144

Масленица (A large number of people celebrate Shrovetide, dance around and eat pancakes, in krasivi style)

Блок 4: повседневность

Исходный размер 2293x1144

Московское метро (A station in the Moscow metro, in krasivi style)

Исходный размер 2293x1144

Трамвайные и автобусные остановки (people crowd the tram tracks in winter, in krasivi style)

Исходный размер 2293x2293

(people crowd the tram tracks in winter, in krasivi style)

Исходный размер 1519x744

Река в деревне / хвойный лес (village river next to the field in krasivi style) (coniferous Russian forest in krasivi style)

Исходный размер 2293x2293

Бабушка в деревне (Russian grandmother sits inside a wooden house in the village, in krasivi style)

Инструменты

Помимо ресурсов для кода и модели (Hugging Face, Collab, Stable Diffusion) использовалась Figma для составления коллажей и ГенИИ DeepSeek для составления промтов к сюжетам серии.

Обучение генеративной нейросети на работах Альбера Морке
Проект создан 24.03.2026
Мы используем файлы cookies для улучшения работы сайта и большего удобства его использования. Более подробную информац...
Показать больше