Идея проекта
Проект посвящён переносу моего авторского визуального языка в генеративную модель. В качестве обучающего датасета я использовала собственную раскадровку к первому короткому метру: это серия минималистичных квадратных изображений, где повторяется один и тот же персонаж и единая пластика кадра.
Цель проекта была двойной:
- обучить Stable Diffusion XL (DreamBooth LoRA) моему графическому стилю;
- сохранить узнаваемый стиль и проверить, может ли нейросеть создавать новые сцены, которых не было в исходной раскадровке, но которые выглядят как естественное продолжение моего визуального мира.
Материал для обучения
Результат
Итоговая серия представляет новые эпизоды с тем же героем в разных ситуациях (интерьерные и полу-портретные сцены, сцены одиночного действия, варианты с разной крупностью плана). Концептуально это продолжение раскадровки короткого метра: не копирование исходников, а генерация «дополнительных кадров» в той же эмоциональной логике.
Ключевые характеристики, которые удалось передать:
— минималистичный рисунок и приоритет линии над детализацией; — наивная, намеренно упрощённая анатомия персонажа; — повторяющиеся черты героя (форма головы, характер лица, пластика фигуры, кудрявые волосы); — большое значение пустого пространства и лаконичной композиции; — графитово-угольная фактура и чёрно-белая доминанта с редкими акцентами.
Как результаты соотносятся с исходной идеей:
— серия сохраняет ощущение «авторской раскадровки», а не превращается в фотореалистичную генерацию; — персонаж остаётся узнаваемым в разных сценах и ракурсах; — изображения воспринимаются как вариации одного визуального языка и одного внутреннего состояния героя.
Визуальный анализ вариаций в серии:
— кадры отличаются по крупности (от более общих композиций до портретных решений); — меняются позы и пространственные отношения персонажа с окружением; — варьируется плотность штриха и текстур, за счёт чего часть изображений выглядит более «жёстко», а часть более «воздушно»; — при вариативности сохраняется единый авторский почерк, что и было основной задачей проекта.
Обучение модели
Первый блок проверяет, что в Colab действительно включен GPU.
Блок установки очищает конфликтные версии библиотек и ставит совместимые пакеты для SDXL DreamBooth LoRA.
Подключаем Google Drive к Colab, чтобы читать датасет и сохранять результаты.
Автопоиск для поиска папки датасета в Drive, создает рабочие папки и копирует изображения в локальную директорию обучения.
Блок параметров задает промпт-инстанс, базовую модель и основные гиперпараметры обучения.
Логин в Hugging Face, чтобы получить доступ к модели SDXL.
Скачиваем совместимый обучающий скрипт нужной версии.
