Эгон Шиле — художник начала XX века, чьи работы до сих пор воспринимаются как удивительно современные. Его рисунки и живопись отличаются напряжённой пластикой, деформированными пропорциями, резкими линиями и сильной психологической выразительностью. Персонажи на его работах выглядят уязвимыми, тревожными и одновременно очень живыми.
Меня заинтересовала мысль о том, что язык Шиле во многом совпадает с ощущением современного человека: нервозность, внутреннее напряжение, ощущение одиночества и постоянной рефлексии. Несмотря на то, что художник жил более ста лет назад, его визуальный язык кажется актуальным и сегодня.
Поэтому в этом проекте я решила пофантазировать о том, как могли бы выглядеть работы Эгона Шиле, если бы он изображал людей XXI века. Например, человека, работающего за ноутбуком, или девушку, делающую селфи на телефон. Для этого я обучила генеративную нейросеть Stable Diffusion на работах художника, чтобы она могла воспроизводить особенности его стиля и применять их к новым сюжетам.
Датасет для обучения
Для обучения модели я собрала датасет из 48 работ Эгона Шиле разных лет. В него вошли портреты, фигуративные композиции и рисунки, в которых особенно хорошо видны характерные для художника пластика тела, выразительная линия и цветовая палитра. Все изображения были приведены к единому квадратному формату 1:1 и отобраны так, чтобы как можно точнее передать основные особенности его стиля: вытянутые пропорции, напряжённые позы, резкий контур, минималистичный фон, приглушённые цвета и общее ощущение внутреннего напряжения.
Даже относительно небольшой датасет позволяет модели уловить характерные особенности художественного языка.
Обучение модели
Для обучения использовалась генеративная модель Stable Diffusion XL с применением метода LoRA (Low-Rank Adaptation).
Этот метод позволяет дообучать модель на небольшом датасете, не изменяя полностью веса исходной нейросети. Вместо этого обучается компактный набор параметров, который добавляет модели новые визуальные особенности — в данном случае художественный стиль Эгона Шиле.
Обучение проводилось в среде Google Colab с использованием готового ноутбука для тренировки LoRA.
Процесс обучения включал следующие этапы: загрузка базовой модели Stable Diffusion XL подготовка датасета изображений настройка параметров обучения запуск обучения LoRA сохранение обученных весов модели
В процессе обучения модель анализирует изображения из датасета и постепенно адаптирует свои параметры, чтобы воспроизводить характерные элементы художественного стиля.
Установка библиотек: diffusers, transformers, accelerate, bitsandbytes — всё необходимое для обучения модели
Загрузка официального скрипта DreamBooth LoRA от HuggingFace — основа для файн-тюнинга SDXL
Сбор датасета
Загрузка модели BLIP для автоматической генерации текстовых описаний к каждому изображению датасета. BLIP проанализировал все картины и создал подписи
Обученная LoRA-модель опубликована на HuggingFace: egon_schiele_nowadays_nina
После завершения обучения был получен файл LoRA-весов, который можно подключать к базовой модели Stable Diffusion для генерации новых изображений.
Генерация изображений
После обучения LoRA я использовала модель для генерации новой серии изображений, в которой хотела соединить современные сюжеты с визуальным языком Эгона Шиле. В текстовых промптах я задавала простые современные сцены — человека с ноутбуком, человека с планшетом, девушку, делающую селфи, и другие ситуации, связанные с цифровыми устройствами. Модель интерпретировала эти сюжеты через стиль, усвоенный из датасета, и в результате появились изображения с характерными для Шиле вытянутыми фигурами, напряжёнными и немного неловкими позами, выразительной линией, минималистичным фоном и сдержанной палитрой.
Prompt: artworks in Egon Schiele style. A thin man sitting with a laptop, expressionist painting, elongated limbs, angular hands, tense pose, muted earthy colors
Получившаяся серия показывает, что художественный язык Эгона Шиле довольно органично переносится на современные сюжеты. Хотя в изображениях появляются ноутбуки и смартфоны, сами персонажи всё равно воспринимаются как типичные для его работ: с вытянутыми пропорциями, напряжёнными позами, резкой контурной линией и приглушённой телесно-охристой палитрой. Важной оказалась и психологическая составляющая — герои выглядят сосредоточенными, немного уязвимыми и внутренне напряжёнными, что тоже сближает их с оригинальными образами Шиле. За счёт этого современные предметы не выглядят чужеродно, а, наоборот, довольно естественно встраиваются в этот визуальный язык.
Prompts: 1. artworks in Egon Schiele style. A woman making selfie on her phone, expressionist painting, muted earthy colors, raw brushwork. 2. A thin man sitting with a laptop, expressionist painting
При генерации модель создаёт разные интерпретации одной и той же сцены.
Например, сцена с человеком за ноутбуком может выглядеть по-разному: меняется поза персонажа варьируется композиция изменяется положение рук и тела появляются разные эмоциональные состояния
Таким образом нейросеть не просто копирует стиль, а создаёт новые вариации внутри него.
Prompt: artworks in Egon Schiele style. A thin man sitting with a laptop, expressionist painting
Этот проект стал для меня способом проверить, насколько художественный язык Эгона Шиле может существовать вне своего времени. Обучение модели на его работах позволило соединить экспрессионистскую пластику начала XX века с современной повседневностью и посмотреть, как этот стиль будет работать в новых сюжетах. В результате получилась серия изображений, которая показывает, что выразительный язык художника не привязан только к своей эпохе и может довольно органично переноситься в сегодняшний визуальный контекст.
Prompts: 1. Create an expressive painting of a young woman taking a mirror selfie. 2. Create an expressive painting of a tired person wearing AirPods in a subway train
Использование генеративного ИИ
В процессе работы использовались следующие технологии:
Stable Diffusion XL LoRA для дообучения модели Google Colab для запуска обучения генеративные модели для написания части описания проекта
Однако ключевая часть проекта — обучение модели и создание датасета — была выполнена самостоятельно.
