Original size 1140x1600

Генерация изображений в стилистике Minecraft с помощью Stable Diffusion

PROTECT STATUS: not protected

Концепция

Идея проекта заключается в том, чтобы взять открытую модель Stable Diffusion и дообучить её на специально собранном датасете из скриншотов игры Minecraft. В качестве визуальной базы планируется использовать изображения, где преобладают природные и архитектурные сцены: леса сакуры, вода, небо, дома и другие пейзажные элементы.

После дообучения модели предполагается проверить, насколько точно она сможет генерировать новые изображения в стилистике Minecraft, сохраняя характерные особенности визуального языка игры. В результате проект должен показать возможность создания с помощью ИИ уникальных сцен с пейзажами, лесами, домами и природными локациями, визуально близкими к атмосфере Minecraft.

Некоторые кадры из датасета

Датасет для обучения модели был сформирован из собственных изображений, созданных мной самостоятельно в игре Minecraft.

Все использованные материалы относятся к авторским визуальным работам и были отобраны специально для данного проекта.

0
1/6

Результат работы ИИ

0
1/6

Комментарий

В итоговой серии изображений можно заметить, что модель в целом распознала пиксельную стилистику Minecraft и смогла передать её в генерации. Также видно, что нейросеть достаточно хорошо уловила особенности леса сакуры как одного из визуальных образов игры. В сгенерированных изображениях прослеживаются деревья, растительность и характерные частицы, которые ассоциируются с этим биомом.

Кроме того, можно сказать, что модель частично поняла и архитектурные особенности игрового мира. Несмотря на то, что итоговые изображения не являются точным повторением оригинального визуала Minecraft, они всё же получились достаточно близкими по атмосфере и стилистике.

По визуальному анализу результатов можно сделать вывод, что лучше всего модель научилась воспроизводить именно биом сакуры. Это связано с тем, что большая часть обучающего датасета состояла именно из изображений с сакурой. При этом пустынный и зимний биомы были представлены в меньшем количестве, поэтому их генерация получилась менее точной и менее выразительной.

Для дообучения модели использовалось около 100 изображений, на основе которых и формировалось понимание визуальных особенностей игровых локаций.

На вход модели было подано около 120 изображений из игры Minecraft, использованных в качестве обучающего материала. По итогам дообучения модель сгенерировала серию новых изображений, основанных на визуальных особенностях этого датасета.

При этом количество шагов обучения было небольшим — около 300, поскольку важно было сохранить процесс обучения максимально быстрым и провести эксперимент в сжатом формате. Такой подход позволил в рамках исследовательской работы проверить гипотезу о том, может ли нейронная сеть распознать характерную стилистику игры Minecraft и воспроизвести её в генерации изображений.

Результат генерации ИИ

Процесс обучения состоял из дообучения Stable Diffusion XL через DreamBooth LoRA на датасете около 100 изображений Minecraft, загруженных в отдельную папку. Для каждого изображения автоматически были созданы текстовые описания с помощью BLIP, после чего на их основе сформировали metadata.jsonl для обучения.

Далее модель обучалась в режиме fp16 с разрешением 512, размером батча 2 и накоплением градиента 3. Количество шагов обучения в файле указано около 300, чтобы ускорить процесс и в рамках эксперимента проверить, сможет ли модель распознать визуальную стилистику Minecraft и передать её в генерации новых изображений.

ГенИИ не использовались в проекте

0
1/3

Результат генерации ИИ

Генерация изображений в стилистике Minecraft с помощью Stable Diffusion
Project created at 23.03.2026
hse.space
Unlock new opportunities in education, career, and creativity with HSE SPACE, the digital platform from HSE University. This online hub connects students, faculty, employers, and professional communities, empowering users to build dynamic digital portfolios, showcase extracurricular achievements, participate in competitions, and launch successful careers.
educational projects
extracurricular activities
startups
academic digest
We use cookies to improve the operation of the HSE website and to enhance its usability. More detailed information on the use of cookies can be fou...
Show more