Проект посвящен генерации современных цветочных композиций и изысканных цветов на основе стиля старых китайских гравюр. Идея — взять аутентичные черно-белые или минималистично окрашенные гравюры из открытых источников и обучить нейросеть для создания ярких, детализированных вариаций.

Тема очень популярна и интересна. Китайские гравюры с цветами нравятся миллионам людей в соцсетях. Интерес к восточной культуре огромен: от аниме и манги до чайных церемоний, каллиграфии и традиционных узоров — всё это вдохновляет моду, дизайн интерьеров, татуировки и ювелирку. Фестивали вроде Китайского Нового года собирают толпы по всему миру, а книги и фильмы о Востоке держатся в топах. В 2026 году это тренд: люди ищут гармонию и красоту в восточных мотивах на фоне быстрых перемен в жизни.

Генерации были по 5 промптам:

1. Пион в полный рост с градиентными розово-красными лепестками на шелковистом фоне.

2. Букет лотосов в бирюзово-золотой гамме с каплями росы.

3. Абстрактная композиция хризантем в пурпурно-фиолетовых тонах с динамичными мазками.

4. Ваза с пионом и лотосом в пастельных оттенках.

5. Панорамная сцена с полевыми цветами в осенней палитре.

Когда я смотрела на первые готовые картинки, я сразу почувствовала, что мне удалось поймать то самое настроение старинных свитков. В серии очень четко прослеживается преемственность традиций восточной живописи: я старалась сохранить «костную структуру» рисунка — те самые уверенные, почти каллиграфические линии, которые держат всю композицию. Мне было важно передать особую асимметрию и принцип «свободного воздуха», когда пустота на фоне работает не меньше, чем сам цветок, создавая ощущение тишины и какой-то внутренней завершенности.

Если говорить о специфике самой гравюры, то я очень довольна тем, как нейросеть усвоила эстетику материала. Я сознательно уходила от стерильной цифровой чистоты и добилась эффекта «пыльной», благородно состаренной палитры, где преобладают теплые сепийные и терракотовые тона. Текстура изображений теперь имитирует пористую рисовую бумагу или старый шелк, что придает картинкам осязаемую, почти антикварную глубину. Мои цветы выглядят узнаваемо, но при этом на них лежит этот характерный налет времени, который и был главной целью моего проекта.

Если смотреть на результат критически, я вижу, что нейросеть всё-таки не до конца поборола свои «реалистичные замашки». Несмотря на всю стилизацию, в некоторых кадрах проскакивает лишний объем или слишком детальная светотень, которая больше напоминает современную фотографию, чем плоскую и лаконичную восточную графику. Думаю, чтобы полностью переломить этот «цифровой почерк» и добиться абсолютной аутентичности, моей сотни исходников просто не хватило — нейросети нужно было скормить гораздо больше работ, чтобы она окончательно забыла про реализм и объемы.

Но даже с этими нюансами серия получилась на удивление цельной. Было интересно наблюдать, как по-разному нейросеть обыграла идею. Все картинки разные по настроению — где-то это почти прозрачные, невесомые наброски, а где-то очень плотные и детальные сцены. Для меня этот проект стал крутым опытом живого диалога между историей и кодом.

1. Подготовка данных.

   Я самостоятельно собрала базу исходных изображений из открытых источников с китайской графикой. Все картинки я привела к единому квадратному формату и нужному разрешению, чтобы датасет был однородным и качественным для обучения.

2. Работа с кодом и обучение

   . За основу я взяла готовый ноутбук с кодом для обучения SDXL DreamBooth LoRA. Я загрузила туда свою подготовленную базу, выставила технические параметры обучения и запустила процесс создания дополнительных весов, которые адаптируют базовую модель под мой стиль.

3. Генерация и промптинг.

   После обучения я перешла к созданию самой серии. Здесь основной задачей был подбор точных промптов, которые подчеркивали бы эстетику туши и бумаги. Я экспериментировала с настройками генерации (sampling steps, CFG scale), чтобы найти идеальный баланс между детализацией и лаконичностью старой гравюры.

4. Финальный отбор.

   Из большого массива сгенерированных вариантов я вручную отсеяла лишнее и выбрала те кадры, которые лучше всего передают атмосферу проекта. Это позволило получить цельную серию с единым визуальным кодом.

Ссылка на блокнот с кодом: https://drive.google.com/drive/folders/1r2N0XiSLIGdWCT0NtBeJecJB7TLrPBgq?usp=sharing

Обученная нейросеть:

Разработка и отладка:

Улучшение качества: