Личный архив как минималистичная экспозиция: проект по анализу данных

Я хотела проверить, может ли нейросеть собрать цельный визуальный язык не из «идеального» датасета, а из случайных личных фотографий. Я взяла свои кадры из фотоплёнки: люди, бытовые сцены, объекты, фрагменты пространства. Они разные по сюжету, но у них есть общее ощущение: внимание к форме, свету, ритму кадра.

Идея была в том, чтобы превратить этот визуальный разброс в серию, похожую на современную выставку: минимализм, воздух, архитектурная геометрия, объектность, тихая кинематографичность.

Для обучения я использовала только собственные фотографии. Перед обучением подготовила их в квадратный формат 1:1 и отобрала по принципу визуальной выразительности, а не по одному сюжету.

Мне было важно, чтобы модель училась не «одной сцене», а моему способу смотреть и собирать изображение.

Обучала модель в Google Colab через DreamBooth LoRA на базе Stable Diffusion XL. Сделала несколько итераций с разными параметрами и checkpoint’ами, потому что при смешанном датасете модель легко уходит в слишком общий стиль. В итоге рабочим оказался сценарий с более аккуратными настройками и точным промптингом в сторону contemporary art / minimal objects.

Финальная серия получилась как единая экспозиция: белые галерейные пространства, скульптурные формы, спокойные натюрморты, архитектурные ритмы, редкие фигуры как масштаб и напряжение.

Это не копии исходников, а их художественная переработка: модель взяла атмосферу и композиционную логику и развернула их в новый визуальный мир.

Что получилось особенно хорошо: — цельное настроение серии (спокойное, музейное, современное); — чистая композиция и работа с пустым пространством; — выразительные объектные кадры с хорошей тактильностью формы; — аккуратный свет и тональная дисциплина.

Что видно как ограничение: — часть генераций уходит далеко от исходных сюжетов; — иногда заметна «универсальность» SDXL в деталях.

Но для этого проекта это не минус, а часть результата: я и хотела не буквальное повторение фотографий, а перенос их визуального кода в новую художественную форму. По критериям качества и консистентности серия получилась сильной.

В проекте использовалась обученная мной модель SDXL DreamBooth LoRA для генерации итоговой серии изображений. Дополнительно использовался ChatGPT, который помогал в работе с Python-кодом. https://chatgpt.com/

Базовая модель: Stable Diffusion XL Ссылка: https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0