Rusty Lake // Обучение генеративной нейросети
Rusty Lake — горячо любимая мною серия видеоигр от одноименной нидерландской студии. К 2025 году она насчитывает более десяти проектов в жанре приключенческого point-and-click, объединенных жуткой, тревожно-сюрреалистической атмосферой. Игры создают ощущение замкнутого мира, где каждая история — часть одного большого, странного цикла, наполненного символами, метафорами и психологическими мотивами.
Идея проекта
В мире Rusty Lake нет единого главного героя. Пользователь постоянно меняет точки зрения, перевоплощаясь в разных персонажей — от простых жителей до животных и призраков. Это делает особенно интересным исследование визуальной идентичности обитателей озера: как они выглядят, какие у них лица, позы, костюмы, насколько через их облик передается атмосфера безысходности и сдержанного ужаса. Поэтому идея создания новых персонажей в духе Rusty Lake и кажется естественным продолжением эстетики этой вселенной.
В рамках проекта я обучила нейросеть Stable Diffusion на наборе персонажей из игр серии, чтобы проверить, насколько точно можно уловить эстетику сюрреалистического хоррора Rusty Lake: минимализм форм, приглушенные тона, холодную симметрию и характерную цветовую палитру. Это позволило мне не только воспроизвести визуальные принципы оригинала (простую геометрию фигур, маски животных и легкий психоделический подтекст), но и создать уникальных новых обитателей мистического мира игры.
Исходные изображения персонажей
Стиль Rusty Lake основан на сочетании минимализма и готического сюрреализма. Особое место в игре также занимают антропоморфные персонажи — люди с головами животных.
Персонажи изображаются в строгих фронтальных позах, с неподвижными выражениями лиц и четко очерченными контурами. Для рисовки игры характерны приглушенные тона (серые, коричневые, бежевые, темно-зеленые), почти полное отсутствие бликов и мягкие тени. Детали сведены к минимуму: простая геометрия форм, чистые силуэты. Именно этот образ как бы застывших кукол я и захотела повторить.
Процесс обучения
Сначала я проверила GPU и установила библиотеки и инструменты, необходимые мне для работы.
Затем загрузила все файлы-референсы в Colab и проверила, что они действительно выгрузились.
Я сгенерировала подписи к каждому изображению, залогинилась через Hugging Face и начала обучение нейросети.
Наконец, я загрузила модель, установив чекпоинт на 250, а максимальный шаг тренинга на 500. Подождать пришлось около часа, после чего я сохранила модель на Hugging Face и начала генерировать изображения.
Промпты
Сначала я решила создать пару изображений с одинаково прописанными параметрами.
Мне стало интересно, как будет меняться картинка в зависимости от количества шагов генерации, поэтому я создала изображения с одинаковым промптом (только название стиля и то описание, которое нейросеть прописала к изображению-референсу в самом начале), но разными значениями num_inference_steps.
При увеличении num_inference_steps изображения становятся более четкими и проработанными — контуры сглаживаются, а тени приобретают мягкость. Однако при слишком больших значениях кадры начинают терять некую шероховатость и ощущение нарисованности, характерное для оригинального стиля игры.
Тот же короткий промпт я взяла чтобы поэкспериментировать с силой влияния стиля на итоговый результат и стала менять параметр lora_scale (в примерах выше он был равен 0.8)
При низких значениях lora_scale изображения выглядят нейтральнее, с элементами общей стилистики Stable Diffusion, а при высоких — заметно усиливается кукольность лиц, приглушенность палитры и ровность композиций. Оптимальным оказался диапазон около 0.7–0.8, где стиль Rusty Lake проявляется уверенно, но при этом сохраняется естественность и разнообразие форм.
Перед тем как начать прописывать самих персонажей, я решила определиться с параметрами стиля — 2D art никак не влияет на результат, а full-body (вполне ожидаемо) необходим.
Взяв за основу свои первые промпты я начала менять детализацию прописывания атмосферы. Как итог, наиболее близкий к оригиналу результат был достигнут наиболее простым промптом — излишние детали уводили результат не туда.
Перед генерацией новых персонажей мне захотелось попробовать в точности повторить героя из тех, на ком модель обучалась.
Лучший результат снова был достигнут самым простым промптом.
Новые генерации
Моим последним экспериментом стала одежда — сгенерировав 5 новых персонажей, я после добавила к их описанию более характерную старинную одежду (костюмы XIX века, строгие силуэты, винтажные детали).
Результат в итоге стал более симпатичным и детализированным, но в дальнейшем я не стала его использовать, чтобы не перегружать промпт.
Разбор результата
Видно, что нейросеть запомнила основные элементы стилистики Rusty Lake — приглушенные цвета, фронтальные позы и простую геометрию лиц. Она уверенно воспроизводит характерные тени без ярких бликов и использует ровные нейтральные фоны, как в оригинальных портретах. Особенно заметно, что нейросеть научилась рисовать «кукольные» выражения лиц и выдерживать холодную симметрию, свойственную визуалу игр.
Чему удалось обучить нейросеть: — Цветовая палитра (приглушенные оттенки и консистентные цвета) — Фронтальные позы и симметричная композиция — Простая геометрия форм и плавный контур — Однотонный фон без глубины — Отсутствие бликов и контрастных теней
В целом, модель уловила главные элементы исходного стиля (формы, палитру, композицию и символику) и применяет их во множестве генераций.
Получившиеся вариации: — Несмотря на общую статичность, нейросеть дает вариации в тональности лица (от юности до старости) и ощущении эмоций (от безмятежности до угрюмости) — Некоторые изображения более плоские и графичные, другие — имеют легкие текстурные эффекты (зернистость, акварельная фактура) — Хотя фон везде нейтральный, в некоторых генерациях появляются едва заметные текстурные элементы (пятна, полосы), которые добавляют ощущение старой бумаги или какой-то стены в комнате. — При сильном влиянии LoRA (0.9–1.0) образы становятся очень близки к исходному стилю, иногда теряя уникальные черты. При средней силе (0.6–0.8) сохраняется баланс между оригинальностью и узнаваемостью стиля.
Подводя итоги, нейросеть показала хороший результат в передаче общего настроения и визуальной структуры игры Rusty Lake. Она не создает полноценного художественного образа, но может использоваться как инструмент поиска и эксперимента — для создания базовых концептов новых персонажей и расширения визуальной вселенной игры.
Использованные инструменты: Google Colab — выполнение кода и генераций Stable Diffusion — обучение генеративной нейросети под свой стиль Hugging Face — получение токена для обучения нейросети и загрузка полученной модели на сайт Figma — коллажирование работ Chat GPT — написание промптов
Исходные изображения предоставлены Rusty Lake и имеют право на распространение в некоммерческих целях.
