Original size 1067x1600

Muha Style: обучение генеративной модели.

PROTECT STATUS: not protected

Проект направлен на исследование генеративных моделей как инструмента работы с визуальным стилем. В центре внимания — возможность перенести художественную манеру в нейросеть и использовать её для создания новых изображений.

В условиях современной визуальной индустрии это даёт возможность быстрее работать с идеями, получать разные варианты и расширять творческий процесс.

В основе проекта лежит разработка собственного визуального подхода, который затем обучается и воспроизводится с помощью модели. При этом генерация изображений рассматривается не как замена художника, а как дополнительный инструмент, который помогает развивать и дополнять авторский стиль.

Концепция проекта

В этом проекте я исследую, как генеративные нейросети могут воспроизводить и развивать художественный стиль. Мне было интересно проверить, можно ли «научить» модель работать в определённой визуальной манере и использовать её как инструмент для генерации новых изображений.

В качестве основы я взяла стиль иллюстраций с женскими образами, вдохновлённый книжной графикой и декоративной живописью. В этих работах важны мягкость, внимание к деталям и общая атмосферность. Основная идея проекта — не заменить художника, а показать, что нейросеть может помогать в создании новых визуальных решений, сохраняя при этом узнаваемый стиль.

Исходные изображения для обучения

Для обучения модели я собрала датасет из изображений с похожей стилистикой. В него вошли иллюстрации с женскими персонажами, а также работы, где есть декоративные элементы и живописная подача.

Все изображения я привела к квадратному формату, чтобы они подходили для обучения. Я старалась отбирать картинки, которые максимально похожи друг на друга по стилю, чтобы модели было проще выделить общие характеристики.

Подготовка данных

Так как изображения в датасете всё равно немного отличались друг от друга, я использовала текстовые описания, чтобы задать более чёткое направление для обучения.

Для этого я применила модель BLIP, которая автоматически создала подписи к изображениям. Эти подписи потом использовались как промпты.

Это помогло сделать датасет более структурированным и дало модели больше информации о том, что именно она должна запомнить.

Обучение проводилось на базе Stable Diffusion XL с использованием методов DreamBooth и LoRA.

Весь процесс был реализован в Google Colab. Сначала настраивалось окружение и загружались библиотеки, затем в систему добавлялся датасет, после чего запускалось обучение.

LoRA в этом случае выступает как небольшой набор параметров, который «накладывается» на базовую модель и позволяет адаптировать её под конкретный стиль без полного переобучения. Я увеличила количество шагов обучения, чтобы модель лучше уловила особенности стиля.

Использование модели

После завершения обучения полученные LoRA-веса были подключены к базовой модели, и я начала генерировать изображения с помощью текстовых описаний.

Для активации стиля использовался специальный промпт: «in the style of muha». Он задаёт модели нужное направление, и дальше к нему добавляется описание персонажа, освещения и других деталей.

Таким образом можно получать разные изображения, но в рамках одного визуального языка.

Результирующая серия изображений

В результате я получила серию изображений с женскими образами в едином стиле. Несмотря на то что промпты отличались, все картинки выглядят связанными между собой.

На изображениях можно увидеть разные вариации: меняется поза персонажа, композиция, освещение, но при этом сохраняется общее ощущение иллюстрации.

По итогам можно сказать, что модель достаточно хорошо усвоила основные особенности стиля. В первую очередь это заметно по тому, как она передаёт лица, форму и общую атмосферу.

Изображения выглядят не как фотографии, а именно как иллюстрации, что и было основной задачей. Также сохраняется мягкая цветовая гамма и декоративность.

При этом результаты не одинаковые — модель даёт разные варианты, что позволяет использовать её для генерации новых идей. Иногда встречаются неточности в деталях, но в целом стиль остаётся узнаваемым.

Описание применения генеративных моделей

В проекте использовались несколько инструментов. Основной — это Stable Diffusion XL, на котором и происходила генерация изображений.

Для автоматического создания описаний применялась модель BLIP.

Также я использовала ChatGPT для помощи с формулировками, описанием проекта и решением некоторых проблем, связанных с кодом.

В результате проекта мне удалось обучить модель, которая может генерировать изображения в заданном стиле. Она не заменяет художника, но может использоваться как инструмент для поиска идей и ускорения работы.

Muha Style: обучение генеративной модели.
Project created at 22.03.2026
We use cookies to improve the operation of the website and to enhance its usability. More detailed information on the use of cookies can be fo...
Show more