Original size 1609x2259

Генеративные пионы: исследование дообучения Stable Diffusion XL

PROTECT STATUS: not protected

Идея проекта

В данном проекте я исследовала возможность обучения генеративной нейросети для воспроизведения и вариативного преобразования визуального образа цветка пиона. Пион выбран как сложный природный объект с характерной многослойной структурой лепестков, богатой текстурой и узнаваемой формой

Проект рассматривает пион не как единичное изображение, а как систему визуальных признаков — форму, плотность, ритм лепестков, свет и цвет — которые могут быть перенесены и трансформированы в новых условиях генерации

big
Original size 4278x1070

Для обучения модели был собран датасет из 24 изображений пионов. Все изображения были приведены к квадратному формату и нормализованы по размеру, чтобы обеспечить стабильность обучения. Датасет включает различные ракурсы, освещение и степени раскрытия цветка, что позволяет модели лучше усвоить структуру объекта

Обучение

Результаты генерации

В процессе обучения модели удалось зафиксировать ключевые визуальные характеристики объекта. В сгенерированных изображениях отчётливо сохраняется форма пиона — многослойная структура лепестков, характерная округлая композиция и плотность цветка.

Одним из наиболее заметных результатов является способность модели воспроизводить сложную текстуру лепестков. Даже в различных стилях генерации (реалистичное фото, драматическое освещение, более художественные интерпретации) структура цветка остаётся узнаваемой

big
Original size 512x512

В процессе генерации можно наблюдать, как модель интерпретирует исходные данные. В большинстве случаев форма пиона сохраняется корректно, однако иногда появляются небольшие артефакты: неестественные лепестки или избыточная симметрия. Это связано с ограниченным размером датасета и особенностями генеративной модели

Original size 512x512
Original size 512x512
Original size 512x512
Original size 512x512
Original size 512x512
Original size 512x512

Анализ результата

Модель создаёт вариации. Например, в некоторых генерациях меняется: — освещение (мягкий свет, студийный контраст, тёмный фон); — степень детализации; — композиция (макро, общий план, центрирование объекта); — визуальная атмосфера (реализм, более художественные интерпретации).

Это показывает, что нейросеть усвоила набор признаков, описывающих объект

В результате проекта удалось показать, что генеративная модель может эффективно усваивать и воспроизводить сложные визуальные объекты, такие как цветы, даже при ограниченном датасете

При подготовке текстов и структуры презентации использовался инструмент ChatGPT (chatgpt.com)

Генеративные пионы: исследование дообучения Stable Diffusion XL
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