Обучение генеративной нейросети под стиль агентов «Valorant»
Рубрикатор
1. Концепция проекта
2. Результирующая серия изображений
3. Процесс обучения модели
1. Концепция проекта
Являясь активным игроком в шутер от 1 лица «Valorant», я решила взять официальные 2D изображения агентов этой игры и обучить нейросеть создавать нужных мне персонажей в рисовке данного шутера.
Стилистика «Valorant» достаточно сложная и интересная, состоящая из мазков, которые составляют единую и цельную картину, но достаточно стилизованную. Самым важным в проекте было в точности отразить рисовку и атмосферу игры.
Для этого я использовала серию исходных изображений 27 агентов этой игры на белом фоне.
2. Результирующая серия изображений
Результатом генерации стала серия изображений с агентами разной этнической принадлежности, что также характерно для персонажей игры «Valorant».
Разбирая характеристики изображений, важной частью стоит выделить sci-fi составляющую и рисовку работ. В данной серии изображений рисовка была качественно передана и обладала одинаковыми свойствами стилистики: одинаковым способом мазков, освещения, теней и так далее.
Углубляясь в изображение самих персонажей, интересно наблюдать за тем, что такая мелкая деталь, как прорисовка волос, была одинаково выполнена во всех примерах, имела схожее освещение, и в общем волосы не были показаны детализированными, как у нас в реальной жизни, а были воплощены, как в оригинальной рисовке «Valorant».
Отличием между оригиналом и сгенерированным персонажем может выступать детализация. Если взять примеры агентов вблизи, то можно увидеть, что количество детализации уступает той, что на сгенерированной версии, но причиной этому может быть исходный датасет с персонажами в полный рост, что может повлиять на впечатление, но выдать более правдоподобный вариант персонажа в полный рост.
Также достаточно интересным результатом стал тот факт, что нейросеть смогла создать фоны с похожей стилистикой, что делает серию изображений еще гармоничнее. Этому содействовало одинаковое описание фона, указанное в промпте.
3. Процесс обучения модели
Сначала были установлены нужные библиотеки для кода.
Далее для обучения я загрузила датасет из 27 изображений в нужном формате.
После совершения подготовительных операций я начала обучение модели, поменяв параметры под мои нужды.
Конечно, самой важной частью стала сама генерация изображений. Для промптов я частично использовала телеграм бота ChatGPT 4.5 | DeepSeek | Midjourney. Далее я проверила генерацию изображений на 3-х примерах. Убедившись в корректности генерации нужного мне стиля, я продолжила работу над проектом и собрала серию сгенерированных изображений.
Использованные нейросети в проекте:
Stable Diffusion
Телеграм бот ChatGPT 4.5 | DeepSeek | Midjourney
