Original size 1140x1600

Генерация изображений японских интерьеров

PROTECT STATUS: not protected

Идея проекта

Главной идей проекта заключается изучение и обучение генеративных моделей для создания изображений новых вариантов планировок квартир и домов в японском стиле. Целью было создание разных, новых вариантов интерьера квартир в эстетике чего-то наиболее классического и привычного для людей другой культуры, сохраняя особенности Японии.

В роли исходного материала был использован датасет, набор фотографий состоящий из изображений Японских квартир и домов разных сегментов, но заключающие в себе важные культурные особенности, такие как специфическая мебель, двери и стены.

Все фотографии были обработаны:

— Подобраны по культурному сходству (все изображения это снимки из реальных японских жилищ) — Приведены к формату 1:1 — Акцент смещен именно на особенности конкретно японских квартир и домов

Примеры из датасета

big
Original size 1000x1000
big
Original size 1069x1069
Original size 1028x1028
Original size 1100x1100
Original size 800x800

Цель

Целью проекта — дообучить предобученную генеративную модель для воспроизведения визуального стиля базового для Японии интерьера.

Для этого также была настроена среда обучение и выполнено само до обучение модели что в последствии привело к генерации новых изображений.

Архитектура модели — Базовая модель: Stable Diffusion XL — Тип модели: диффузионная генеративная модель

Итоговые изображения

Original size 1024x1024
Original size 1024x1024
Original size 1024x1024

Модель хорошо передает атмосферу японского интерьера и использует все основные культурные особенности планировки, стены, полы, столики. Но также можно заметить что она путается в мелких деталях, например в посуде которая стоит на столе и пуфиках-подушках. А также создает вымышленные иероглифы на декоре.

Получается, что неиросеть хороше передает общие черты классических японских домов, но работает обобщая, исключительно на уровне примерной детализации.

Процесс обучения

Обучение модели выполнялось в среде Google Colab и включало последовательную настройку среды, подготовку данных, дообучение модели и последующую генерацию изображений.

На первом этапе устанавливались необходимые библиотеки (diffusers, transformers, accelerate, peft) далее загружался датасет.

На следующем этапе запускалось дообучение модели с использованием метода LoRA на базе архитектуры Stable Diffusion XL. Обучение осуществлялось на основе текстового промпта, который связывал изображения датасета с определённым стилем.

Обучение выполнялось с использованием графического процессора (GPU), что обеспечивало ускорение вычислений при ограниченных ресурсах.

По завершении обучения загружалась дообученная модель с подключёнными весами LoRA, и генерировались изображения.

Описание применения генеративной модели

Для лучшей совместимости модели и оптимизации промтов использовался DeepSeek

Генерация изображений японских интерьеров
Project created at 24.03.2026
adcr.dafes
The Art Directors Club of Russia sets the benchmark for creative excellence in design and advertising, serving as a central hub where industry professionals connect. Since 2004, the Club has hosted the ADCR Awards—a premier national competition celebrating creativity, design, and advertising. The core mission of the awards is to champion agencies and independent creators making their mark in the local market. By presenting this honor on behalf of the professional community, the Club reaffirms its endur... Show more
adcr advertising
adcr design
adcr students and young creators