⏔⏔⏔ ꒰ ᧔КОНЦЕПЦИЯ᧓ ꒱ ⏔⏔⏔
Японская мода известна своей экстравагантностью и разнообразием субкультур. Одной из самых ярких и узнаваемых является стиль «готическая лолита» — это эстетика, соединяющая кукольную невинность и мрачную готику. Этот феномен отражает протест против социальных норм.
Субкультура лолиты начала формироваться в Японии в 1970‑х годах, но настоящую популярность приобрела в 1990‑х. Готическая лолита возникла как ответ на яркие и вызывающие образы субкультуры гяру, предлагая взамен утончённую мрачность.
Ключевую роль в популяризации стиля сыграл музыкант и дизайнер Мана. В эссе мы разберём истоки явления и вклад этой личности в развитие направления.
Мана — это японский музыкант, основатель групп Malice Mizer и Moi dix Mois, а также дизайнер одежды. Его вклад в развитие стиля сложно переоценить.
Он известен и по сей денб своими мрачными образами и загадочностью.
В своём проекте я решила взять известные фотосессии артиста и создать новые фотографии с ним, сохраняя эстетику и неповторимый стиль Маны.
⏔⏔⏔ ꒰ ᧔ИСХОДНЫЕ ИЗОБРАЖЕНИЯ᧓ ꒱ ⏔⏔⏔
Исходные изображения
Изображения были взяты из журнала Gothic Bible и прочих фотосессий музыканта.
Исходные изображения
⏔⏔⏔ ꒰ ᧔ХОД РАБОТЫ᧓ ꒱ ⏔⏔⏔
۶ৎ Google Colab — в нём была проделана вся работа: написание кода, обучение модели и генерации۶ৎ ۶ৎHugging Face — в нём я получала токен для обучения нейросети, а так же саму модель۶ৎ ۶ৎ Stable Diffusion — отвечала за обучение нейросети под генерацию Маны Самы۶ৎ ۶ৎ Figma — в этой программе я собирала коллажи и редактировала изображения под нужный размер۶ৎ
Пример кода
Сначала я порверила GPU, затемя я загрузила все необходимые для обучения нейросети библиотеки.
Пример кода
С помощью загрузки в гугл коллаб, я загружаю изображения, на которых будет обучаться модель. Потом проверяю, точно ли изображения загрузились.
Пример кода
Сначала я загружаю модель BLIP, которая автоматически создаёт описания для изображений. Затем определяю функцию, которая принимает изображение и генерирует для него текстовое описание.
Все результаты сохраняются в файл metadata.json, где для каждого изображения указан его файл и соответствующий текстовый промпт.
Пример кода
В этом коде я запускаю обучение модели с помощью команды accelerate. Указываю базовую модель Stable Diffusion XL и VAE, которые используются как основа. Задаю датасет с изображениями и папку, куда будет сохраняться обученная модель.
Настраиваю параметры обучения: размер изображений, количество шагов, скорость обучения и прочее. В конце я задаю общее количество шагов обучения и сохранение чекпоинтов.
Пример кода
Импортирую функции для работы с Hugging Face, указываю папку, где сохранена нейросеть.
Получаю ссылку на свою модель.
Пример кода
В итоге модель генерирует изображения, на основе загруженных фотографий.
⏔⏔⏔ ꒰ ᧔ГЕНЕРАЦИИ᧓ ꒱ ⏔⏔⏔
Первая генерация
Сгенерированные изображения
Сгенерированные изображения
Сгенерированное изображение
Сгенерированные изображения
⏔⏔⏔ ꒰ ᧔ПРОМПТЫ᧓ ꒱ ⏔⏔⏔
«photo in MANASAMA style, portrait» «photo in MANASAMA style» «photo in MANASAMA style, blue background» «photo in MANASAMA style, black background» «photo in MANASAMA style, blue dress» «photo in MANASAMA style, black colors»
⏔⏔⏔ ꒰ ᧔ИТОГИ᧓ ꒱ ⏔⏔⏔
Модель хорошо генерирует фотографии Маны Самы, сохраняя черты лица и необходимую мрачную атмосферу изначальных фотосессий.
Цвета достаточно мрачные, что свойственно готическим лолитам и самому Мане Саме в частности.
Однако генерации не могут создать абсолютно новый материал, поэтому следует вывод, что нейросети ещё не скоро заменят моделей, фотографов и прочих представителей творческих специальностей.
