Генерация изображений альпак на основе Stable Diffusion

Обучение модели Stable Diffusion (через LoRA-адаптацию) на реальных изображениях альпак для генерации фотореалистичных сцен и портретов животных в различных условиях освещения и окружения.

Идея проекта — научить нейросеть формировать изображения, максимально приближённые к фотографиям альпак, сохранив при этом естественную фактуру шерсти, пропорции тела и реалистичные выражения морды. Основная цель — показать, как дообучение модели позволяет не просто воспроизводить форму объекта, но и имитировать особенности реальной съёмки: глубину резкости, свет, перспективу и цветовой баланс.

Описание серии: Каждое изображение было сгенерировано на основе промптов, описывающих реалистичные сцены:

“a realistic portrait of an alpaca in sunlight, ultra-detailed fur, shallow depth of field” “two alpacas standing in a mountain field, natural lighting, realistic colors, 8k photo” “close-up photo of an alpaca with blurred background, cinematic light

Анализ результатов:

Модель точно воспроизводит структуру шерсти: переданы как мягкие, так и жёсткие участки волосков. Свет проработан естественно — особенно при боковом и рассеянном освещении. Отдельные изображения демонстрируют “глубину кадра” и размытый фон (эффект боке), что усиливает реализм. Цветовая температура варьируется от холодных утренних до тёплых вечерних тонов.

Стилистические особенности:

• Реалистичная фактура шерсти и мягкие переходы цвета.
• Чистые естественные оттенки — белый, кремовый, бежевый, серый.
• Естественная анатомия и мимика животных.
• Отсутствие цифровых артефактов и признаков генеративного искажения.

Неудачные генерации:

В отдельных случаях нейросеть допускала артефакты: искажённые пропорции головы, неестественно вытянутая морда или асимметричные глаза.

Иногда текстура шерсти выглядела чрезмерно “пластиковой” или с повторяющимися паттернами, что выдавало синтетическое происхождение изображения. Были зафиксированы случаи неправильного формирования ушей или рта, особенно при сложном освещении или наклонённой позе.

Соответствие концепции: Цель проекта достигнута — обученная модель создаёт изображения, неотличимые от реальных фотографий в большинстве случаев. Иногда нейросеть даже усиливает визуальные качества (чёткость деталей, баланс цвета), формируя эстетически выразительные “фото”, которых не существовало в исходной выборке.

https://drive.google.com/drive/folders/1f-JKcYFV2kjTDJ3ADA3AJfnCXz0RFQJt?usp=sharing

Включает:

• датасет с изображениями альпак
• обучение LoRA и сохранение промежуточных чекпоинтов;
• генерацию итоговой серии изображений.
• датасет сгенерированых изображений

В проекте дополнительно использовался ChatGPT (GPT-5) для:

• составления промптов для генерации;
• формулировки текстовых описаний для caption-пар;