Naive Horror: генеративные монстры в детском стиле

В этом проекте я хотела проверить, может ли нейросеть воспроизводить не просто стиль, а именно «ощущение» рисунка — в моём случае это детский стиль.

Я выбрала довольно контрастную тему: взяла известных хоррор-персонажей и попыталась представить, как бы они выглядели, если бы их рисовал ребёнок 6–8 лет. Мне было интересно, что произойдёт, если соединить что-то пугающее с очень наивной и простой визуальной формой.

В итоге проект стал не только про стиль, но и про восприятие: как меняется ощущение страха, если его «упростить» до детского рисунка.

В основе проекта лежит контраст между формой и содержанием. С одной стороны — детский рисунок: простой, яркий, немного неровный. С другой — образы, которые изначально воспринимаются как страшные.

Мне было важно сохранить узнаваемость персонажей, но при этом упростить их до уровня детского восприятия. За счёт этого возникает странный эффект: рисунки вроде бы простые, но при этом в них остаётся тревожность.

Особенно хорошо это видно в лицах — большие глаза, странные улыбки, прямой взгляд на зрителя. В детском рисунке это нормально, но в контексте хоррора это начинает выглядеть немного пугающе.

Для обучения модели я собрала датасет из своих собственных рисунков. Это важно, потому что по условиям задания можно использовать только авторские изображения или материалы с разрешением.

Все рисунки я делала в одном стиле: — простые фигуры (голова, тело, руки); — неровные линии; — яркие цвета; — минимальные детали; — акцент на лице. (просто потому, что это мои детские рисунки)

Все изображения были приведены к квадратному формату (1:1), чтобы их можно было использовать для обучения модели.

Всего в датасете — 50 изображений.

На многих рисунках подписано мое имя (Ната). Рисунки были собраны и бережно хранились моей прабабушкой.

Больше рисунков можно найти по этой ссылке

Для обучения я использовала Stable Diffusion XL и метод DreamBooth LoRA. Я работала в Google Colab, используя готовый ноутбук, который был дан в задании.

Перед обучением я подготовила изображения (обрезала, проверила формат), после чего загрузила их в ноутбук.

Сам процесс обучения занял некоторое время — модель постепенно подстраивалась под мой стиль. После этого я начала тестировать генерации и подбирать промпты, чтобы добиться нужного результата.

Отдельно пришлось поработать с формулировками: сначала изображения получались слишком абстрактными или не похожими на персонажей, но со временем удалось настроить промпты так, чтобы сохранялась узнаваемость.

В этом блоке запускается обучение модели Stable Diffusion XL с использованием метода DreamBooth LoRA.

Я указываю путь к датасету, параметры обучения и директорию для сохранения результата. В процессе обучения модель анализирует изображения и выделяет характерные особенности моего стиля.

Использование LoRA позволяет обучить модель быстрее и с меньшими ресурсами, при этом сохраняя ключевые визуальные признаки: упрощённые формы, неровные линии и искажённые пропорции.

Здесь происходит подготовка датасета для обучения. Для каждого изображения автоматически создаётся текстовое описание (caption), которое затем используется моделью.

Я задаю общий текстовый префикс (caption_prefix), который описывает стиль моих изображений — наивный, нарисованный от руки, с использованием цветных карандашей.

Этот этап важен, потому что именно через текст модель «понимает», какой стиль ей нужно выучить и воспроизводить при генерации.

В этом блоке происходит генерация изображения на основе текстового описания (prompt). Я описываю персонажа максимально подробно: внешний вид, одежду, пропорции и окружение.

Также задаются параметры генерации: количество шагов (num_inference_steps) и степень следования промпту (guidance_scale). Эти параметры влияют на то, насколько точно модель воспроизводит заданный образ.

На этом этапе я проверяла, насколько хорошо модель передаёт мой стиль и насколько узнаваемым получается персонаж.

После генерации изображения сохраняются на Google Drive.

В результате я получила серию изображений, где каждый персонаж интерпретирован в детском стиле.

Я старалась сохранить ключевые признаки каждого: — Slenderman — вытянутая фигура и отсутствие лица; — Cartoon Cat — голова кошки и злая ухмылка; — Momo — большие глаза и странное лицо; — Pyramid Head — треугольная голова и оружие; — Jeff the Killer — черные длинные волосы, нож и зловещая улыбка.

Несмотря на упрощение, персонажи остаются узнаваемыми, что было одной из главных целей проекта.

PROMT: " a creepy monster in alikidsketch style, A tall white monster in a black jacket and black trousers, with a red tie, no face, long arms and legs. He stands in the forest, with three trees behind him, on a path, childlike drawing, colored pencils, naive illustration, eerie but playful, "