Идея проекта
Для концепции этого проекта было выбрано творчество советского художника Юрия Пименова. Меня всегда привлекали сюжеты его работ: самые частые сюжеты в его картинах — обычные будни жителей столицы, постоянное движение и жизнь новой Москвы.
В этом проекте я обучила нейросеть Stable Diffusion на работах Пименова, чтобы проверить, сможет ли алгоритм уловить не только узнаваемые визуальные приемы, но и настроение — мягкую, жизненную поэзию города.
«Новая Москва», Ю. Пименов
Мне важно было получить новые сцены основанные на стиле художника: сможет ли нейросеть передать ключевые образы, а главное атмосферу, которые создает Юрий Пименов в своих работах?
Подготовка к обучению
Для обучения я использовала знаковые работы Пименова, в которых заметнее всего можно проследить основные черты и мотивы его творчества: «Лирическое новоселье», «Новые номера», «Начало любви» и другие.
Работы Ю. Пименова из датасета
В новых изображениях было важно получить следующие особенности художественной техники Пименова:
- Мягкое, рассеянное освещение без жестких теней.
- Общее настроение сцены без глубокой детализации.
- Ощущение пространства и мягкие контуры.
- Палитра с тонкими переходами, много промежуточных оттенков, мягкие градиенты.
Работы Ю. Пименова из датасета
Процесс обучения нейросети
Я собрала датасет из 17-ти квадратных изображений (1:1) и использовала модель BLIP, чтобы автоматически создать краткие описания для каждого изображения. Затем эти подписи были дополнены единым стилевым префиксом, чтобы во время обучения модель связывала текстовый маркер с визуальными особенностями стиля.
painting in PIMONOVSTYLE style, railway platform / painting in PIMONOVSTYLE style, kid playing with toys on floor
Для проекта я использовала пайплайн обучения Stable Diffusion XL с DreamBooth и LoRA в Colab. На старте я проверила доступность GPU и установила все нужные библиотеки для обучения и генерации. Затем создала отдельную папку под датасет и загрузила туда изображения работ Пименова.
Далее я автоматизировала подписи к изображениям с помощью модели BLIP: она генерирует короткие описания того, что изображено на каждой работе.
После этого я перешла к дообучению Stable Diffusion XL под мой датасет с помощью LoRA. Я указывала папку с картинками и файл metadata.jsonl, добавляла ключевую фразу для стиля («photo collage in PIMENOV style»), и настраивала основные параметры: размер изображения, скорость обучения и количество шагов.
painting in PIMONOVSTYLE style wide soviet avenue in early winter morning / young woman can not choose a dress in soviet shop / apples on table
После обучения я сохранила LoRA-веса и загрузила их на Hugging Face, чтобы потом легко подключать модель и делиться результатами. Дальше я проверила, как она работает на практике: задала несколько промптов со стилевым маркером PIMONOVSTYLE и сгенерировала новые сцены. В получившихся изображениях хорошо читаются черты живописи Пименова — мягкий свет, ощущение воздуха, городская перспектива и спокойное, лиричное настроение.
Сравнение работ
«Новая Москва» Ю. Пименов / painting in PIMONOVSTYLE style, open window, room interior
В результате генерации удалось достичь максимального близкого сходства нейросетевых работ с реальными работами Пименова. Нейросеть смогла передать ключевые особенности стилистики художника: мягкие контуры, ощущение пространства, работу с деталями.
Для промтов я использовала разные сюжеты: мне было важно понять, как нейросеть будет работать с городскими пейзажами с большим количеством людей и с натюрмортами и более камерными сценами.
Во всех сюжетах удалось сохранить черты живописи Юрия Пименова.
«Утро» Ю. Пименов / painting in PIMONOVSTYLE style, newspaper on morning soviet table
Итоговая серия
В итоговой серии изображений удалось передать не только визуальные черты стиля живописи Пименова, но и ощущение, которыми наполнены его работы.
Мне удалось создать новые сюжеты в рамках основного мотива позднего творчества Пименова — бытовые образы жизни города.
Итоговая серия работ PIMONOVSTYLE
Заключение
Модель достаточно уверенно уловила ключевые признаки стиля Пименова и переносит их на новые сюжеты, сохраняя узнаваемую атмосферу и интонацию. При этом вариативность серии показывает, что стиль не просто копируется механически: разные ракурсы и состояния города дают разные решения, и именно это делает результат живым.
Обучение нейросети может работать как инструмент художественного исследования: не заменяя автора, а помогая переосмыслить знакомый визуальный язык через новые сцены и сюжеты с чертами творчества художника.
painting in PIMONOVSTYLE style, soviet cinema building / painting in PIMONOVSTYLE style, soviet dress
painting in PIMONOVSTYLE style, quiet courtyard between apartment buildings, kids playing, laundry lines / wide soviet avenue in early winter morning, people walking to work / city street after summer
Применение генеративной модели
Для генерации промтов был использован ChatGPT.
Для генерации изображений на основе текстовых описаний был использован Stable Diffusion XL.
