Введение
Проект посвящён исследованию эстетики лиминальных пространств, сформированных в рамках конкретного цифрового медиума — игрового движка Source Engine.
В отличие от обобщённой «лиминальности», в данном случае внимание сосредоточено на её специфической форме, возникающей из ограничений и особенностей движка: плоского освещения, пережатых фототекстур, характерной геометрии и особенностей рендеринга первой половины 2000-х годов. Эти технические ограничения формируют уникальный визуальный язык, отличающийся от современной фотореалистичной графики.
В качестве источника данных использовались скриншоты сцен из Garry’s Mod, основанных в свою очередь на визуальной базе Half-Life 2.
Автор также выдвинул следующую гипотезу: артефакты генеративной модели и определённая «нелогичность» изображений в сочетании с исходным стилем могут не мешать, а наоборот усиливать ощущение лиминальности, придавая сценам более выраженное чувство сна и нереальности происходящего.
В связи с этим одной из задач проекта стало не буквальное воспроизведение графики Source Engine, а предоставление модели определённой степени свободы — возможности «галлюцинировать» и тем самым усиливать и концентрировать характерную эстетику.
Цель проекта — обучить генеративную модель воспроизводить не просто лиминальные сцены, а именно этот специфический визуальный стиль, обусловленный технологическими и художественными особенностями Source Engine, и исследовать, насколько он переносим на новые, ранее не существовавшие сцены.
Датасет и исходные изображения
Примеры изображений из датасета (Garry’s Mod / Half-Life 2)
Примеры изображений из датасета (Garry’s Mod / Half-Life 2)
Примеры изображений из датасета (Garry’s Mod / Half-Life 2)
Примеры изображений из датасета (Garry’s Mod / Half-Life 2)
Для обучения был собран датасет из 40 наиболее характерных изображений. Все изображения представляют собой скриншоты, сделанные автором в игровой среде с использованием различных карт, как оригинальных, так и пользовательских, созданных с использованием оригинальных ресурсов.
Датасет включает:
— пустые интерьеры и коридоры — индустриальные пространства — городские и прибрежные сцены — подземные коммуникации
Все изображения были приведены к квадратному формату (1:1), разрешению 2048×2048 и очищены от интерфейса, чтобы исключить лишние визуальные элементы.
Процесс обучения модели
В проекте использовалась модель Stable Diffusion XL (SDXL), дообученная с помощью метода LoRA (Low-Rank Adaptation). Этот подход позволяет адаптировать модель под конкретный стиль без полного переобучения, что значительно снижает вычислительные требования.
Обучение проводилось на основе подготовленного датасета с использованием единого текстового описания (prompt), задающего стиль:
in LIMINALGMOD style, liminal space, eerie atmosphere, fluorescent lighting
Использование единого описания позволило сосредоточить обучение на визуальных характеристиках, а не на содержании отдельных сцен.
Параметры обучения:
— разрешение: 512–768 px — количество шагов: ~800–1000 — batch size: 1 — оптимизация через 8-bit Adam
Результирующая серия изображений
В результате обучения была получена серия изображений, демонстрирующих различные вариации лиминальных пространств.
Серия включает: — индустриальные зоны и заводы — пустые прибрежные территории — городские районы без людей — изолированные здания в пустом пространстве
