фото из личного архива
Датасет для обучения модели был собран из личных фотографий с мультимедийных фестивалей, выставок и концертов, а также повседневных кадров, где запечатлено взаимодействие пространства и человека со светом.
Серия строится не вокруг конкретного места или сюжета, а вокруг повторяющегося визуального состояния: тёмное пространство, прорезанное направленными лучами, цветными пятнами, дымкой и световыми отражениями.
Для части генераций использовались схожие по структуре сюжета исходников промпты, что позволило проверить, как модель воспроизводит и переосмысляет знакомые визуальные сценарии.
фото из личного архива / генерация
prompt = LIGHTSCAPE style, dense fog filling the space, single bright white light source glowing through haze, red laser beam cutting diagonally, minimal scene, overexposed, soft blur, low visibility, high contrast, raw atmosphere
фото из личного архива / генерация
prompt = LIGHTSCAPE style, long exposure light trails in dark forest, white glowing streaks moving through space, motion blur, light flowing like energy, dynamic perspective, high contrast, raw atmosphere
фото из личного архива / генерация
prompt = LIGHTSCAPE style, isolated human figure in an empty space, thin blue laser lines radiating from the center, radial light burst, minimal environment, overexposed glow, quiet tension
фото из личного архива / генерация
prompt = LIGHTSCAPE style, extreme close-up of a human eye, laser reflections on wet skin, blue and green light, glossy texture, dark background, intimate framing, soft blur, noise, low exposure
генерации с фигурой человека
Далее я стала генерировать новые сюжеты: промты варьировались по степени абстракции от сцен с человеческими фигурами до полностью синтетических световых композиций, что позволило исследовать, как модель переносит усвоенные паттерны в новые контексты.
генерации световых пятен и бликов
генерации синтетических световых композиций
- контраст между тёмным фоном и яркими линейными источниками света
- холодно-кислотная палитра
- эффект тумана, рассеивания света и частичной потери чёткости
- ощущение сценичности и инсталляционности
Именно это можно считать одним из главных результатов обучения: модель уловила не только точечные сюжеты, но и общую логику визуального языка датасета.
генерации
итоговые генерации
Для генерации итоговой серии использовались текстовые промпты, задающие общую сцену и характер освещения. Ключевым элементом являлся введённый стилевой токен lightscape, позволявший применять обученный визуальный язык.
итоговые генерации
Серия сохраняет связь с исходным датасетом, потому что именно такой тип восприятия пространства присутствовал и в исходных фотографиях. Во многих кадрах человек или объект виден не полностью, а как силуэт, фрагмент тела, лицо, рука или тёмная фигура в окружении света. Эта особенность тоже перешла в генерацию: модель хорошо усвоила не конкретные портретные черты или бытовые детали, а сам принцип присутствия человека внутри световой среды.
фото из личного архива
генерации
вывод
Модель усвоила не конкретные сцены, а принципы работы со светом — пересвет, направленные лучи, шум и потерю формы.
В генерациях свет перестаёт быть освещением и становится основой изображения. В отдельных случаях сохраняется сходство с исходными изображениями, что связано с повторяемостью визуальных паттернов в обучении.
Работа над проектом позволила мне увидеть, как нейросеть деконструирует восприятие света на моих кадрах, как дополняет его и модифицирует.
использование ии
В проекте я использовала модель Stable Diffusion с дообучением методом LoRA на собственном датасете для генерации итоговой серии изображений.
Дополнительно я использовала ChatGPT для улучшения формулировки концепции проекта, подготовки промптов и текстовых описаний.
