Автопортрет: Художественная идентичность через Stable Diffusion

Проект представляет собой исследование собственной художественной идентичности через призму генеративного искусственного интеллекта. Основная идея заключается в обучении нейросети Stable Diffusion на уникальном датасете, состоящем из моих авторских цифровых рисунков.

Цель — создать «алгоритмический зеркало», которое позволит мне взглянуть на собственный стиль, композиционные приемы, цветовую палитру и характерные элементы «со стороны», глазами машины. Это попытка деконструировать и реинтерпретировать мой индивидуальный визуальный язык, превращая его в новую серию генеративных изображений и своего рода цифровой автопортрет.

Для обучения генеративной нейросети Stable Diffusion был сформирован датасет из 19 моих авторских работ, созданных за последние два года. В него вошли как полноценные, законченные работы, так и эскизные зарисовки, что позволяет модели изучить не только финальную эстетику, но и динамику моего творческого процесса. Все изображения были подготовлены в квадратном формате (1:1) с разрешением 1024×1024 пикселей.

Реализация проекта опиралась на три ключевых компонента: Stable Diffusion для обучения нейросети, Hugging Face для аутентификации и доступа к ресурсам, а также Google Colab как основную среду для исполнения кода и генерации изображений. За основу был взят код, предоставленный преподавателем. После установки необходимых библиотек и загрузки датасета, я приступила к обучению модели.

Я задала алгоритму определённую палитру и настроение, основанные на моих конкретных работах, с целью проверки его реакции и адаптивности к этим параметрам. Однако нейросеть, по всей видимости, учла не только эти примеры, но и весь обучающий датасет в комплексе.