Арт-генерация: создание изображений нейросетями¶

Арт-генерация — создание художественных изображений с помощью алгоритмов искусственного интеллекта, преимущественно диффузионных моделей и генеративных состязательных сетей. Термин обозначает процесс, при котором текстовое описание (промпт) или исходное изображение преобразуется в новое произведение визуального искусства: иллюстрацию, картину, эскиз, коллаж. Массовое распространение технология получила в 2022–2023 годах с выходом публичных сервисов на основе моделей Stable Diffusion, Midjourney и DALL-E.

¶История

Первые работы по генеративному изображению относятся к 2010-м годам. В 2014 году Ян Гудфеллоу и коллеги представили архитектуру GAN (Generative Adversarial Network), в которой генератор и дискриминатор соревновались друг с другом, постепенно улучшая качество синтеза. Ранние GAN-модели создавали размытые изображения лиц и объектов.

Переломным стал 2021 год, когда OpenAI выпустила DALL-E — модель, обученную связывать текст и изображения. В августе 2022 года Stability AI опубликовала Stable Diffusion с открытыми весами, что позволило запускать генерацию на потребительских видеокартах. В том же году Midjourney вышла в публичную бета-версию через Discord. В 2023–2024 годах появились модели с расширенным разрешением и пониманием сложных сцен (DALL-E 3, Stable Diffusion XL, Flux), а также инструменты для редактирования изображений по текстовой команде.

¶Технологии

¶Диффузионные модели

Основной современный подход. Модель обучается обратимому процессу зашумления изображения, а затем учится снимать шум шаг за шагом, превращая случайный шум в осмысленную картинку. Ключевые архитектуры — Stable Diffusion (латентная диффузионная модель, работающая в сжатом пространстве) и её производные.

¶Генеративные состязательные сети

Две нейросети — генератор и дискриминатор — обучаются одновременно. Генератор создаёт изображения, дискриминатор отличает их от реальных. Метод остаётся востребованным для специализированных задач, но уступил диффузионным моделям в массовом применении.

¶Текстовые кодировщики

Качество генерации зависит от модели, преобразующей промпт в числовое представление. Используются CLIP (OpenAI) и его модификации, а также более новые энкодеры. От того, насколько точно кодировщик понимает естественный язык, зависит соответствие результата описанию.

¶Способы управления генерацией

¶Применение

• Иллюстрация и дизайн: создание концептов, обложек, баннеров, паттернов.
• Игровая индустрия: генерация текстур, концепт-артов, превизуализация сцен.
• Реклама и маркетинг: быстрое производство визуального контента.
• Архитектура и мода: вариативные эскизы, раскладки тканей, интерьерные сценарии.
• Образование: наглядные материалы, иллюстрации к учебным текстам.
• Личное творчество: создание изображений людьми без художественной подготовки.

¶Правовой и этический контекст

В России правовой статус арт-генерации определяется общими нормами авторского права. С 2023 года в Гражданском кодексе РФ закреплено, что произведения, созданные с использованием искусственного интеллекта без участия человека, не охраняются авторским правом. Судебная практика по спорам о правах на сгенерированные изображения только формируется.

Мировое сообщество обсуждает несколько проблемных вопросов: обучение моделей на работах художников без их согласия и вознаграждения; возможность подделки изображений и «фейковых» фотографий; влияние на рынок труда иллюстраторов и дизайнеров. Ряд художественных платформ (например, DeviantArt) ввёл ограничения на загрузку работ, запрещающих их использование в обучении нейросетей без разрешения автора.

¶См. также

• Нейросетевая графика
• CLIP (модель)
• Prompt engineering
• Цифровое искусство

¶Источники

• Goodfellow I. et al. Generative Adversarial Networks. — 2014.
• Rombach R. et al. High-Resolution Image Synthesis with Latent Diffusion Models. — 2022.
• Гражданский кодекс Российской Федерации, ст. 1259, 1260.1.
• Стабильная диффузионная модель: архитектура и обучение. — 2022.