Концепция
Французский художник Ив Танги (1900–1955) пришел в искусство случайно. Бывший моряк торгового флота, не имевший никакого академического образования, он однажды увидел из окна автобуса картину Джорджо де Кирико — и в тот же день решил стать художником. В отличие от многих коллег-сюрреалистов, искавших вдохновение в скандалах и эпатаже, Танги ушел в себя, создав абсолютно герметичную, замкнутую визуальную вселенную. На протяжении всей жизни он писал один и тот же бесконечный, пугающий и завораживающий ментальный пейзаж.
Его стиль невозможно спутать ни с чьим другим. Это всегда гладкие, градиентные фоны с неестественно четкой линией горизонта, где нет ни неба, ни земли в привычном понимании. Пространство населяют загадочные биоморфные формы — не то обломки костей, не то застывшие минералы, не то окаменевшие простейшие организмы. Эти аморфные фигуры отбрасывают длинные, резкие тени, создавая физически ощутимое чувство пустоты, одиночества и ирреальности происходящего.
В жизни Танги оставался поразительно спонтанным и непредсказуемым, и отчасти это находило отражение в его творчестве; однако в нем также присутствовал парадоксальный элемент трезвой последовательности, словно этот удивительно своенравный человек поставил себе цель никогда не писать картин ниже собственного высочайшего стандарта
Именно эта «трезвая последовательность» делает работы Танги идеальным материалом для машинного обучения. Генеративные нейросети (такие как Stable Diffusion) требуют от датасета строгой визуальной консистентности, маниакальная педантичность Танги в его картинах идеально подходит под этот запрос. Чтобы не сбивать алгоритм с толку, я провел жесткий кураторский отбор: в выборку попали исключительно классические, «пустотные» пейзажи художника. Я намеренно отсеял любые скетчи и ранние работы (например, Rue de la Santé), где еще можно было различить реальную архитектуру или привычные «земные» ориентиры. В результате для обучения модели я собрал выверенный датасет из 42 изображений (35 полных картин и 7 кроп-фрагментов), чтобы искусственный интеллект мог усвоить не только построение пространства, но и микро-уровень биоморфных форм.
Некоторые из исходных изображений для обучения
Главная цель проекта — отделить стиль от его создателя. Задача заключается не в том, чтобы заставить искусственный интеллект слепо копировать старые пейзажи Танги, а в том, чтобы перенести его узнаваемую пустынную и плавленную эстетику на совершенно новые сюжеты. Интересно проследить, как алгоритм, выучивший законы абстрактного сюрреализма прошлого века, переосмыслит атрибуты реального предметного мира — и сможет ли он органично вписать их в эту строгую визуальную систему.
Все 42 подготовленных изображения для обучения
Обучение модели
На первых этапах идет подготовка среды Google Colab к ресурсоемкой задаче. Сначала устанавливаются все необходимые библиотеки для работы с нейросетями (Diffusers, Accelerate) и скачивается официальный скрипт для тренировки. Далее — умная разметка, вместо того чтобы вручную описывать каждую картину, используется вспомогательная нейросеть-анализатор BLIP. Я написал скрипт, который смотрит на название файла. Если в имени есть слово wide, скрипт автоматически добавляет к описанию теги пейзажа и общего плана. Если есть close — добавляются теги макро-деталей и биоморфных форм.
Подготовка среды и умная разметка датасета
После того как BLIP дописал то, что видит на фото и сохранил в специальный файл, запускается ядро нашего проекта — тренировка модели Stable Diffusion XL 1.0 на основе наших изображений. Применив ряд жестких технических оптимизаций, было запущено обучение, рассчитанное на 500 шагов. Обученные веса сохраняются напрямую на подключенный Google Диск.
Обучение модели
После завершения обучения нам нужно собрать финальный генеративный конвейер. Сначала загружаю из интернета чистую базовую модель (Stable Diffusion XL 1.0) и подключаю к ней кастомный VAE-модуль. Главное действие здесь — команда pipe.load_lora_weights. С помощью неё «надеваются» наши только что обученные веса (выжимка стиля Танги) прямо с Google Диска поверх базовой нейросети.
Подготовка к генерации
Для получения чистого результата я разделил генерацию на два независимых пайплайна (общий/крупный план) с тонкой настройкой баланса в каждом. Был использован параметр cross_attention_kwargs, работающий как ползунок агрессивности нашего обученного стиля по отношению к базовой модели. Также мной были добавлены негативный промпт и настройка соотношения сторон.
Генерация изображений
Итоговая серия созданных изображений
Концептуальное ядро серии — это «отмотка времени назад». Берется классическое для Танги ощущение пустынной беспредметности, которое часто воспринимается как постапокалиптика и «обломки иной цивилизации», и переворачивается. Я предлагаю зрителю представить, что эти пейзажи — часть жизни того мира, для которого такая плавленая архитектура и биоморфная среда были абсолютно естественными. Генерации проверяются как на урбанистике, так и на природе (в том числе и крупные планы).
prompt: painting in Yves Tanguy style, a sprawling surreal water metropolis, narrow canals and low-rise dense pale smooth architectural forms with biomorphic roofs different colors, stylized gondolas
prompt: a massive futuristic desert metropolis in Dubai, tall buildings and modern skyscrapers with smooth biomorphic domes each a different color, a painting in Yves Tanguy style
prompt: a sprawling surreal coastal town, low-rise cascading cliffside terraces and dense small buildings made of smooth pale biomorphic stone, a painting in Yves Tanguy style, calm water horizon
prompt: a massive futuristic cyberpunk metropolis in China, tall buildings and flying cars, a painting in Yves Tanguy style, surreal landscape, wide shot, long shadows, smooth gradients
prompt: a painting in Yves Tanguy style, surreal black volcanic ash Kamchatka beach with small lakes glinting with shining water on surface, massive greenish mineral cliff on the left background
prompt: a detailed sprawling desert canyon, a painting in Yves Tanguy style, deep winding gorges and layered red rock formations, a solitary smooth melted biomorphic aqueduct spanning the cliffs
prompt: one hug wide snowy white mountain in the middle, tiny intricate weird houses at base, clear sunny sky gradient, few small floating biomorphic clouds, a painting in Yves Tanguy style
prompt: a painting in Yves Tanguy style, surreal landscape, wide shot, a massive green surreal organic dense low-rise smooth forest in California with towering mega-tall sequoia shaped abstract objects
prompt: a detail of a painting in Yves Tanguy style, abstract biomorphic bizarre blooming alien mushrooms // a detail of a painting in Yves Tanguy style, vibrant corals, deep dark blue background
prompt: few alien biomorph lemon-yellow color succulent-cactus things, a detail of a painting in Yves Tanguy style //
Заключение
Результат полностью отвечает запросу на стилизацию. Обученной модели очень живо получается передать стиль Ива Танги со всеми его элементами: красочными градиентными горизонтами, сложными органическими формами и контрастными тенями.
Проект доказал, что абстрактный сюрреализм начала XX века — это не застывший канон. Это живой визуальный язык, способный описывать реальный (и альтернативный реальный) мир.
Материалы
Stable Diffusion XL (SDXL 1.0) — обучение генеративной нейросети под стиль Ива Танги с использованием метода DreamBooth LoRA.
Hugging Face — использование библиотек diffusers и accelerate, а также загрузка весов открытой модели SDXL 1.0.
Google Colab — выполнение кода обучения и финальных генераций на графическом ускорителе T4.
Gemini (3.1 Pro) — генерация идей для серии изображений и проведение визуального анализа результатов.
Ответственность за датасет: Все изображения, использованные для формирования обучающего датасета, являются работами художника Ива Танги (1900–1955), которые с 1 января 2026 года перешли в категорию общественного достояния (Public Domain) в связи с истечением 70-летнего срока действия авторского права.
