Концепция
Концепция проекта опирается на визуальный и методологический резонанс между живописью Клода Моне и принципом генерации изображений нейросетью. Моне, как один из ключевых представителей импрессионизма, стремился передать не столько конкретику, сколько атмосферу момента — свет, движение, мимолётность. Его работы рождались из наблюдения за рассеянным, часто неуловимым — почти как изображения, формируемые нейросетью из шума. Этот процесс — от абстракции к узнаваемой форме — метафорически перекликается с тем, как нейросеть постепенно «высветляет» образ из первоначального хаоса данных.
Выбор работ Моне не случаен: его живопись — это не просто репрезентация природы, а способ выразить чувственное восприятие через цвет и ритм мазка. Это делает его стиль органичным для генеративного подхода, в котором нейросеть не копирует реальность, а интерпретирует её через слои статистической абстракции. Таким образом, дообучение модели на основе работ Моне становится не только технологическим экспериментом, но и художественным диалогом между двумя способами видения — человеческим и машинным.
Для обучения я использовала все работы Клода Моне, размещенные в Wikiart, нормализованные до 256×256 (1369 шт.)
Примеры изображений
Результат
После обучения модель начала создавать изображения в духе Клода Моне — с мягким светом, размытыми мазками и характерной туманной глубиной. Картинки выглядят живописно и атмосферно, передают настроение сцены, а не её точные детали.
Нейросеть хорошо усвоила особенности импрессионистского стиля и теперь может интерпретировать самые разные сюжеты — от городских пейзажей с Кремлём до солнечных улочек — в мягкой, узнаваемой манере, близкой к работам Моне.
painting in Claude Monet style, Moscow kremlin
painting in Claude Monet style, sunrise over the sea
painting in Claude Monet style, fantasy palace floating in morning mist
painting in Claude Monet style, garden path with blooming roses and ivy arch
painting in Claude Monet style, Magnitogorsk city
Основу для этого изображения и изображения для обложки я сгенерировала в нейросети GPT, по промту: «сгенерируй мне мокап с картинной рамой в музее, чтобы туда можно было вставить квадратную картину, нужен фотореалистичный вертикальный мокап формата листа А4»
Описание процесса обучения
Обучение генеративной модели было проведено в среде Google Colab.
На начальном этапе я установила все необходимые библиотеки и загрузила скрипт обучения с репозитория GitHub.
Вторым этапом я загрузила датасет с картинами Клода Моне, найденный на платформе Kaggle.
Я использовала модель BLIP для генерации описаний картин. Все описания сохранялись в metadata.jsonl, который потом использовался при обучении.
Затем я настроила параметры и запустила обучение. Поскольку я работала в ограниченном окружении Colab, то ограничила количество шагов до оптимальных 200 и использовала use_8bit_adam и fp16 для экономии памяти.
После обучения модель была загружена в Hugging Face. Теперь она доступна по ссылке: monet_style_LoRA
Загрузила модель и применила веса. Генерируя изображения, использовала num_inference_steps=25— 40 для настройки качества.
