Обучение генеративной нейросети под стиль Синъити Сакамото
Идея проекта
Синъити Сакамото — японский художник манги, известный своими сериями сейнэн-мангами «Скалолаз» и «Безвинный» и «Дети ночи».
В своем проекте я вдохновилась его стилем рисования и создала серию женских и мужских портретов, на которых изображены вампиры Викторианской эпохи.
Изображения для обучения
Итоговые картинки
1. art in SAKAMOTO style, handsome Victorian era vampire man with long black hair 2. art in SAKAMOTO style, black and white, beautiful vampire man 3. art in SAKAMOTO style, black and white two Victorian era vampire with white hair
1. art in SAKAMOTO style, black and white, beautiful vampire girl 2. art in SAKAMOTO style, black and white, The Victorian era vampire woman with white hair 3. art in SAKAMOTO style, black and white, The Victorian era vampire woman
Комментарий
Генерация успешно уловила узнаваемые элементы стиля Сакамото, хотя с разной степенью точности.
У женских персонажей удлинённые, слегка миндалевидные глаза с затемнёнными веками. У мужских персонажей — глубокие тени под скулами, подчёркивающие резкие черты лица. Хаотичные, но анатомически точные пряди волос с контрастными бликами, и высокой детализацией.
Использован резкий контраст между освещёнными и затемнёнными участками. Удалось передать узнаваемую манеру штриховки и теней., а также исторический антураж
Описание применения генеративной модели
В данном проекте искусственный интеллект применялся для автоматизированного создания персонажей в стиле мангаки Синъити Сакамото, что требовало точного воспроизведения его уникальной графической манеры.
Использованная модель Stable Diffusion XL (SDXL) с дообученной LoRA-адаптацией.
Датасеты для обучения LoRA: Изображения собраны вручную из общедоступных источников
Для адаптации генеративной модели под стиль Синъити Сакамото был собран специализированный датасет.
Нейросеть проанализировала все изображения, полученные из датасета и создала на их основе промты.
Обучение модели длилось около 45 минут, после чего нейросеть приступила к генерации изображений.
Вывод
Проект подтвердил, что нейросеть способна воспроизводить сложные авторские стили, но требует точной настройки и постобработки. Лучшие результаты достигнуты в передаче графической составляющей (штриховка, тени), тогда как композиционная глубина требует дополнительного контроля.
