Концепция:
Идея проекта заключается в дообучении модели Stable Diffusion 2.1 на базе датасета, включающего кадры из мультфильма Хаяо Миядзаки «Ветер крепчает». Цель проекта — создать нейросеть, способную генерировать изображения в стиле этого мультфильма, сохраняя его визуальные особенности, атмосферу и художественные элементы. Для обучения использовались изображения с характерными сценами и стилем анимации из фильма.
Тренировочная выборка включала 1753 изображений: кадры из фильма Миядзаки «Ветер крепчает». Это дома, поля, персонажи с характерной мягкой палитрой и вниманием к мелочам. Несколько примеров таких кадров:
Кадр 1. Случайный пейзаж из датасета Кадр 2. Одежда персонажей Кадр 3. Стиль зданий
Результат
После завершения обучения нейросеть была использована для генерации новой серии изображений. В этой серии представлены как динамичные сцены, так и статичные изображения, стилизованные под «Ветер крепчает»
Изображение 1. Волшебный лес, наполненный гигантскими грибами и вековыми деревьями Изображение 2. Величественный замок в стиле стимпанк Изображение 3. Персонажи в стиле Хаяо Миядзаки
Развернутый комментарий
Итоговая серия изображений, сгенерированных моделью, отражает основные стилистические особенности мультфильма «Ветер крепчает». На картинках можно увидеть детализированные фоны, мягкие контуры и насыщенную цветовую палитру, которая характерна для произведений Хаяо Миядзаки. Модель успешно передала элементы ретро-стиля, присущие как архитектурным объектам, так и одежде персонажей. Например, на изображениях легко заметить, как здания и растущие вокруг них двери сливаются с окружающим ландшафтом, создавая органичную связь между природой и искусственными объектами. Это является одной из отличительных черт стиля Миядзаки, где элементы природы, архитектуры и технологий гармонично переплетаются друг с другом. Подобная детализация была достигнута благодаря вниманию модели к мелким элементам, таким как текстуры поверхности, форма и линия.
Важным элементом этого процесса было применение LoRA (Low-Rank Adaptation), что сыграло ключевую роль в успешном дообучении модели. LoRA — это метод, позволяющий эффективно адаптировать большую модель, такую как Stable Diffusion, к новой задаче без необходимости кардинального изменения всей её структуры. Вместо того чтобы обучать модель с нуля, LoRA позволяет использовать предварительно обученную модель и дообучить её на специфическом датасете, добавляя только дополнительные параметры для специфической задачи. Это значительно снижает вычислительные расходы и сокращает время обучения.
В контексте этого проекта, LoRA позволил адаптировать модель под стиль мультфильма «Ветер крепчает», улучшив результаты при минимальных вычислительных затратах. В частности, этот метод позволил нейросети выделить важные характеристики стиля, такие как цвета, формы и текстуры, которые отличают произведения Миядзаки, и точно передать их в сгенерированных изображениях
Загрузка датасета
Промт к изображению
Использование ГенИИ в проекте
В рамках проекта я использовал ChatGPT для создания промптов, которые затем были использованы для генерации изображений с помощью модели. ChatGPT помог с формулировкой точных и детализированных запросов, отражающих особенности стиля и атмосферы мультфильма «Ветер крепчает». Эти промпты учитывали такие важные элементы, как цветовую палитру, характер линий, композицию сцен и детали персонажей, чтобы нейросеть могла более точно воспроизвести визуальные особенности фильма.
Ссылка на код
