«Один день» в стиле Julie Guillem

«Один день» в стиле Julie Guillem — проект, посвященный дообучению нейросети Stable Diffusion под создание работ в стиле художницы Julie Guillem

Работы Julie Guilem отличаются простыми, немного геометричными формами и стилизованной подачей. Художница активно использует градиентные заливки, особенно в изображении неба, что придаёт сценам мягкость и глубину. Одной из характерных черт её стиля является имитация ручной печати, такой как линогравюра — это видно на границах цветовых пятен, где создаётся эффект живой текстуры.

Такой подход позволяет создавать лаконичные, но выразительные и легко читаемые образы, близкие по характеру к плакатной или журнальной иллюстрации.

Также важно отметить, что подобный стиль идеально подходит для создания атмосферы — будь то спокойствие, мечтательность или ощущение свободы.

В композициях автора часто повторяются мотивы воздушных шаров, самолётов, птиц и гор — эти элементы придают работам лёгкость, ощущение пространства и путешествия

Цель проекта — обучить генеративную нейросеть Stable Diffusion воспроизводить стиль Julie Guillem и создать серию изображений, сохранивших эстетику художницы

Название проекта: Один день в разных уголках мира

Концепция: Проект представляет собой серию из 8 картин, каждая из которых показывает одно и то же время суток, но в разных уголках планеты, отражая особенности природы, климата, животных, архитектуры и жизни людей.

Как будто весь мир просыпается или засыпает одновременно, но в каждом месте этот момент ощущается по-своему. Серия создаёт ощущение единства и разнообразия мира одновременно.

После анализа получившихся работ могу сказать, что нейросети удалось уловить и передать ключевые особенности стиля художницы. Особенно впечатляет то, что в обучающей выборке отсутствовали такие образы, как белый медведь, лоси, орлы и лошади, однако нейросеть справилась с их стилизацией в духе Julie Guillem очень достойно.

Из замеченных минусов — цветовая палитра. В оригинальных работах автора она, как правило, светлая и воздушная, в то время как сгенерированные изображения выполнены в более тёмных, сложных и даже «грязноватых» оттенках. Тем не менее, это не критично, так как палитру легко скорректировать в Adobe Photoshop (пример приведён ниже), поэтому я не считаю это серьёзным недостатком.

Лучше всего нейросеть справляется с изображением гор — каждый раз они предстают в новой цветовой палитре, с уникальным узором и композицией, что придаёт работам разнообразие и динамичность. Также стоит отметить, как точно передана суть градиентов в небе: нейросеть использует их не повсеместно, а будто интуитивно чувствует, где нужно добавить ощущение лёгкости, а где — тонкий сумрак или атмосферную глубину.

Особенно хочу выделить стилизацию цветов в поле — это стало настоящим открытием. Интересно, что таких форм цветов не было в обучающей выборке, однако паттерн с тонкой линией цветов у нижнего края кадра был замечен моделью в работах автора. Примерно три изображения с такой композицией использовались при обучении, и нейросеть смогла обобщить и творчески переосмыслить этот приём, адаптировав его в новом, узнаваемом ключе.

Для обучения нейросети я взяла 77 работ Julie Guillem. Предварительно было необходимо привести все изображения к разрешению 1024×1024 и убрать лишние детали, которые могли помешать нейросети.