Original size 1150x1890

Автомобильный ритм Таиланда

PROTECT STATUS: not protected

Концепция

Я посвятил проект визуальному исследованию автомобильной среды Таиланда через персонально дообученную генеративную модель. Целью было обучить LoRA так, чтобы она передавала характерные черты автомобилей: форму кузова, яркость и разнообразность цветов. А так же окружение в виде городской атмосферы или природы.

Исходные данные для обучения

Для обучения я использовал свой датасет: 62 фотографии автомобилей, снятых в Таиланде. Все изображения были приведены к формату 1:1 и подготовлены для обучения.

Триггер-токен модели: thaicar2026. Пример базового текстового запроса: a photo of thaicar2026 car

Процесс обучения

Обучение выполнено локально на MacBook Pro (Apple M3 Max, 48 GB RAM) в формате LoRA на базе runwayml/stable-diffusion-v1-5. Основные параметры:

resolution: 512×512 train steps: 1000 batch size: 1 gradient accumulation steps: 4 learning rate: 1e-4 Результат обучения: файл весов pytorch_lora_weights.safetensors.

Итоговая серия

В финальную серию вошли 9 изображений, отобранных по критериям:

читаемый силуэт автомобиля, целостная композиция кадра, стабильная передача стиля и атмосферы, вариативность сцен: город, природа, трасса вдоль деревни.

Анализ результата

В итоговых изображениях хорошо переданы:

общий характер автомобилей тайланда, вариативность кузовов, а так же индивидуальность каждого автомобиля (разнообразие необычных деталей на авто имитирует разнообразие тюнинга в Тайланде).

А так же передана общая атмосфера всегда ясной погоды, хаотичности города и красоты природы вокруг.

Описание применения генеративной модели

В проекте использовалась генеративная модель Stable Diffusion (runwayml/stable-diffusion-v1-5) с дообучением LoRA на собственном датасете. Назначение ИИ: генерация итоговой визуальной серии на основе пользовательского триггер-токена thaicar2026.

Активация виртуального окружения: задается VIRTUAL_ENV, PATH и префикс (.venv) в терминале.

Original size 1420x716

Блок аргументов обучения: путь к датасету, prompt, resolution, batch size, max train steps, learning rate.

Загрузка изображений датасета через PIL, из-за этого в папке должны быть только картинки

Original size 1532x292

Успешное завершение тренировки LoRA на 1000 шагах.

Original size 1632x930

Итоговые веса LoRA сохранены в pytorch_lora_weights.safetensors и checkpoint-папках.

Original size 1648x376

Вывод

В итоговой серии получилось передать главное, что я и хотел: узнаваемость тайских машин и окружения вокруг. Тот, кто был в Тайланде, увидев сгенерированные фото сразу поймет, что это именно Тайланд.

Так же пришлось поработать над тем, чтобы фотографии выглядели реалистично, потому что изначально генерировалось мыло слабо похожее на машины. В целом результатом доволен, сгенерированные фото не сильно отличаются от реальной фотографии на превью проекта.

Автомобильный ритм Таиланда
Project created at 23.03.2026
We use cookies to improve the operation of the HSE website and to enhance its usability. More detailed information on the use of cookies can be fou...
Show more