Концепция
Футуризм как художественное направление исторически сосредоточен на изображении движения, скорости, технологий и города. В классических работах художников-футуристов человеческая фигура часто подчинена динамике среды или вовсе растворяется в индустриальном контексте.
В этом проекте я исследую, может ли генеративная модель перенести визуальный язык футуризма на другой тип образа — женскую фигуру, лишённую индустриального окружения. Я ставлю задачу не воспроизвести футуризм буквально, а переосмыслить его через мягкую, эстетизированную и более интимную визуальность. Вместо города и машин в центре оказываются тело, ткань, движение и состояние.
Таким образом, проект исследует: — как трансформируется футуризм вне индустриального контекста — может ли он существовать в «мягкой» форме — как нейросеть интерпретирует художественный стиль при смене темы
Датасет
Для обучения был собран датасет изображений футуристической живописи.
Основные характеристики изображений:
— ощущение движения — дробление формы — динамическая композиция — деформация пространства
Все изображения были приведены к единому формату и использованы для дообучения модели.
Примеры картин, используемых для обучения:
1.Умберто Боччони, «Улица входит в дом», 1911 2. «Автопортрет в соломенной шляпе», Джино Северини, 1912 3. «Дом + Свет + Движение неба», Луиджи Руссоло, 1913 4. «Меркурий, проходящий перед Солнцем», Джакомо Балла, 1914 5. «Лучистая композиция: Доминирование красного», Михаил Ларионов, 1912 6. «Динамизм велосипедиста», Умберто Боччони, 1913 7. «Синтез Фашизма», Алессандро Брускетти, 1935 8. «Эластичность», Умберто Боччони, 1912 9. «Авиабомбардировка», Туллио Крали, 1932 10. «Море = Танцовщица», Джино Северини, 1914 11. «Дама с веером», Пабло Пикассо, с 1907 по 1909 12. «Состояния души III: Те, кто остаются», Умберто Боччони, 1911 13. «Auto in corsa», Уго Джаннаттазио, 1920 14. «Зимний мотив», Владимир Давидович Баранов-Россине, 1919 15. «Портрет мадам М.С.», Джино Северини, 1913–1915 16. Н«Город встаёт» , Умберто Боччони, 1910
Использованные изображения относятся к материалам с открытой лицензией и могут применяться для обучения модели.
Скачивание и подготовка датасета для обучения модели
Обучение модели
В качестве базовой модели была использована Stable Diffusion XL.
Для дообучения применялся метод DreamBooth LoRA. В процессе обучения был введён специальный токен NEOFUTR, обозначающий стиль футуризма.
Ключевые параметры и их роль:
— accelerate launch — запуск обучения в оптимизированном режиме с использованием GPU — train_dreambooth_lora_sdxl.py — скрипт для дообучения модели методом LoRA, позволяющий не изменять все параметры модели, а адаптировать только часть весов — --gradient_checkpointing — уменьшает потребление видеопамяти за счёт пересчёта промежуточных значений — --mixed_precision="fp16» — ускоряет обучение и снижает нагрузку на GPU без заметной потери качества — --gradient_accumulation_steps=4 — модель обновляет веса не после каждой итерации, а после накопления нескольких шагов, что стабилизирует обучение — --learning_rate=2e-4 — стандартное значение скорости обучения для LoRA — --max_train_steps=400 — ограничение количества шагов обучения, позволяющее избежать переобучения и снизить вычислительные затраты — --instance_prompt="in the style of NEOFUTR» — специальный текстовый токен, который активирует выученный стиль при генерации изображений
Модель обучалась около 40 минут на GPU в среде Google Colab.
После обучения LoRA-веса подключаются к базовой модели.
Результат
high fashion portrait of a model, in the style of NEOFUTR
woman portrait, pastel colors, flowing fabric, in the style of NEOFUTR
high fashion figure woman, blue pastel tones, fashion composition, in the style of NEOFUTR
high fashion woman, elegant pose, pastel outfit, in the style of NEOFUTR
high fashiob portrait of woman, blue pastel tones, airy composition, in the style of NEOFUTR
high fashion portrait of a model full body, in the style of NEOFUTR
В полученной серии можно наблюдать, как нейросеть интерпретирует ключевые принципы футуризма.
Сохраняются: — ощущение движения — дробление формы — динамическая композиция
Однако при переносе на женский образ происходит трансформация:
— визуальный язык становится мягче — агрессивная индустриальность исчезает
Таким образом формируется новая интерпретация — Феминного Футуризма, где футуризм переосмысляется через эстетику и тело.
Вывод
Проект показывает, что генеративная модель способна не только воспроизводить стиль, но и адаптировать его к новым визуальным задачам.
Использованные ИИ:
Проект показывает, что генеративная модель способна не только воспроизводить стиль, но и адаптировать его к новым визуальным задачам.
Датасет с изображениями: https://www.kaggle.com/datasets/mariashev/futurism-in-painting
Google Notebook: https://drive.google.com/drive/folders/1PNeRt8uuWJCPTXocVEgOsmFOcfnJe0OI?usp=share_link
В проекте использовалась генеративная модель Stable Diffusion XL, дообученная с помощью метода DreamBooth LoRA.
Модель применялась для:
— обучения на датасете футуристической живописи — генерации итоговой серии изображений
Дополнительно генеративные инструменты использовались для: — разработки концепции проекта — формулирования текстового описания