что нарисовать случайный выбор

Генератор идей для рисования

Генератор идей для рисования создан для того, чтобы помочь начинающим и профессиональным художникам с выбором темы для рисунка в рамках регулярной практики. Если вам скучно и вы хотите что-то нарисовать, но у вас нет интересных задумок, генератор предложит простые или развернутые идеи для рисунка.

Известно, что для того, чтобы прогрессировать как художник и поддерживать себя в хорошей творческой форме, рисовать следует регулярно, а лучше всего каждый день. Не особо сложно придумать себе идеи для скетчей на первых порах, но через какое-то время порождать новый интересный сюжет становится уже не так просто. Чтобы не тратить время и силы на придумывание новых тем, был создан генератор случайных идей, который упрощает эту задачу.

С помощью генератора вы можете создавать уникальные идеи для рисунков в скетчбуке или на бумаге на основе настраиваемых опций, включающих в себя 4 группы настроек:

Добавляя и убирая опции, можно создать различные истории: некоторые можно нарисовать легко, для других потребуется смекалка и определенные умения. А если у вас не лежит душа к рисованию сказочных персонажей или насекомых, просто отключите их в настройках и генератор будет предлагать вам идеи для рисунков исходя из настроек, которые вы выбрали самостоятельно. В итоге получается огромное количество вариантов и тем, из которых вы можете выбрать то, что вам действительно по душе. Таким образом, можно создать свой собственный уникальный сюжет для рисунка на каждый день.

Вы видите предложенный сюжет и картинка в голове выстраивается сама собой, а дальше подключается фантазия и воображение насыщает историю деталями уже без особых усилий.

Обратите внимание, что не обязательно рисовать ровно то, что предложено генератором с первого раза. Нажимая кнопку обновления, добейтесь сюжета, который вызывает у вас эмоциональный отклик. Фантазия работает гораздо лучше, когда то, что рисуется, переживается на чувственном уровне.

Основная цель предложенных идей для рисования в том, чтобы вызвать вдохновение. Таким образом, вы можете изменять сгенерированный сюжет, как вам будет угодно. Например, вам было предложено нарисовать огромного ежа в кустах, а воображение рисует его в лучах солнца на поляне. Почему нет? Пусть бы и на поляне, если вам так хочется. Не стесняйтесь интерпретировать подсказки так, как вам больше нравится.

Источник

Что нарисовать? Идеи и упражнения на каждый день

Простой ответ на вопрос «что можно нарисовать».

Идеи для рисунков в скетчбуке и на бумаге.

Поэтапные упражнения для развития навыков рисования.

От базовых примитивов до растений, животных и людей.

Рисовать нравится многим людям и, конечно, далеко не все из них профессиональные художники. При этом довольно часто возникает вопрос — что можно нарисовать конкретно? Вы скучаете перед белым листом бумаги и раздумываете, с чего бы начать. Не волнуйтесь, это случается даже с самыми опытными художниками. Как и с любыми другими творческими начинаниями, каждый проходит через своего рода блоки, когда он не может решить, что именно изобразить прямо сейчас. Если вы пребываете в этой ситуации, то советы ниже как раз для вас.

Что можно нарисовать легко — идеи для рисования, вдохновленные реальной жизнью

Для того, чтобы преодолеть изначальный ступор, лучше всего иметь наготове несколько простых идей для наброска. Тогда можно сразу начать рисовать и сосредоточиться на самом процессе, а не на долгих размышлениях и мучительном выборе предмета или композиции.

Итак, вот несколько простых идей для наброска:

Что нарисовать в скетчбуке — 20 идей для рисунка

Практика — важная часть развития навыков рисования. Изучение основ и повторение их снова и снова — единственный способ улучшить и закрепить любые навыки. Просто представьте, что могут сделать несколько лет практики в каком-либо деле. Посвятив некоторое время постоянным тренировкам, вы увидите действительно невероятный прогресс. Тем более для того, чтобы перейти от простых набросков к изображению более сложных портретов и пейзажей, требуется не так уж и много времени.

Итак, когда вы берете в руки альбом, ну или только думаете это сделать, часто бывает полезно начать с некоторых подсказок, которые имеют четкие рамки или просто достаточно образны, чтобы включить воображение. Используя всего три или четыре слова в качестве отправной точки, можно нарисовать симпатичный и детальный набросок.

Никто не знает наверняка, что именно может его действительно увлечь. Поэтому отличный способ понять, что вы больше всего любите рисовать — это последовательно воплотить карандашом на бумаге несколько совершенно разных идей. И уже зная о том, что вам нравится еще на этапе наброска, можно более вдумчиво подойти к дальнейшему выбору тем для серьезных работ.

Что нарисовать в скетчбуке на разные темы, список из 20 идей:

В том случае, если ваши художественные навыки пока что оставляют желать лучшего, а желание рисовать уже проснулось, вам подойдут упражнения для начинающих.

Задания выстроены по принципу постепенного усложнения для того, чтобы максимально эффективно отточить основные скилы. Сначала начинаем рисовать с геометрических примитивов (линии, кривые и прочее), далее переходим к двумерным и трехмерным фигурам. А позже, набив руку на простых формах, вы будете готовы к рисованию предметов, растений и животных на их основе.

Главная фишка упражнений — в опциях «как рисовать». Добавляя варианты изменения размера, поворота, цвета, теней и не пренебрегая повторами, вы закрепляете базовые навыки, которые пригодятся вам позже в рисовании чего-то более сложного.

В том же случае, когда вы уже более-менее овладели основами рисования, и, возможно, даже выработали собственный стиль, вопрос «как нарисовать» становится менее актуальным, чем «что нарисовать». К этому времени поиск идеи для рисунка для ежедневной практики порой может стать настоящей проблемой.

И тут, когда уже не хватает фантазии, а порисовать хочется, или стоит вопрос, что нарисовать, когда скучно, на помощь приходит генератор идей для рисования. Он предлагает огромное количество сюжетов, которые отлично подходят для ежедневных эскизов или для того, чтобы помочь вам вырваться из привычных представлений и попробовать что-то новое. Нет особого смысла рисовать первую же созданную им идею. Продолжайте генерировать до тех пор, пока не найдете тот сюжет, который бросается в глаза и вызывает эмоциональный отклик.

Генератор идей помогает художникам развиваться и получать удовольствие от практики и экспериментов. Рисовать то, что не приносит радости и удовлетворения — просто скучно и может быстро надоесть. Поэтому развивайте свои художественные способности через регулярную практику с доступом к миллионам случайных идей для рисования, вызывающих вдохновение и интерес.

Источник

200+ идей что нарисовать когда скучно

2020 год был странным, коронавирус распространяется по всему миру, и всем нам рекомендуется оставаться дома и практиковать социальное дистанцирование. Но давайте во всем искать плюсы, например, оставаясь дома вы получаете шанс узнать что-то новое, получить новый навык или найти новое хобби.

И сегодня мы подготовили статью для всех творческих душ, нуждающихся во вдохновении. Итак, продолжайте читать, чтобы найти более 200 идей и примеров того, что нарисовать когда скучно.

Что нарисовать, когда скучно?

Не важно, хорошо вы владеете карандашом или нет, мы подобрали идеи как для новичков в рисовании, так и для продвинутых.

Вы можете рисовать акварелью, акрилом, маркерами, цветными карандашами, чем угодно! Главное — получайте удовольствие!

Итак, в приведенных ниже примерах мы собрали довольно много идей, которыми вы можете украсить свои скетчбуки.

Кликая на картинку, чтобы увеличить ее.

Акварельные идеи

Чашечка с любимым согревающим напитком

Воздушные шары

Любимый мультяшных персонажей и забавных зверят

Любимую косметику

Своё рабочее место и все, что увидите дома

Портрет себя или подруги

Рисовать портрет новичку довольно сложно, поэтому прежде чем пробовать, изучите пропорции лица и головы.

Затем попробуйте нарисовать себя в собственном стиле.

Источник

ИИ генерирует рандомные рисунки и образы

Ссылочка на ИИ в описании.

Изначально автор проекта, пытался сделать ИИ который бы рисовал рисунок по описанию.
Но такая затея оказалась слишком сложной, а в ИИ произошла ошибка или сбой.

Что бы понять, в чём проблема автор создал сайт и выложил код на гитхаб,

ИИ рисует изображения по словам, и любым символам. Зерном генерации могут быть вообще любые символы. Если чёрный экран, то значит ИИ не видит слова, или набор символов в чём то логическом.

Можно искать арт постановки, а можно искать тайные смыслы изображений. Что ИИ пытается сказать? Предложения обычно выдают уникальную стилистку рисунка.

Выглядит, как изображения каких-то инопланетных артефактов. Мозг понимает, что это что-то из реального мира, но отказывается определить предназначение.

Кракозябры в хуёвом качестве.

При вставке предложения из вики о стерео изображении в генератор выдаёт такие арты

Текст:
Stereo image, stereoscopic image (from ancient Greek στερεός “volumetric, spatial”) is an image that causes the illusion of volume, that is, a feeling of relief and extension in depth due to the peculiarities of binocular vision [1]. The image can be stereoscopic when viewing stereopairs or holograms [2].

Что бы генерировало в таком же стиле, можно писать любые знаки и цифры.

За работой

Графоооон!

Спец видеокарта 1993 года

В нынешнее время уже очень тяжело отличить реальные изображения от графики, произведенной компьютером. Однако, в ближайшем будущем это будет сделать еще трудней благодаря разработанному исследователями новому алгоритму, позволяющему получить максимальную реалистичность света, отраженного от сложных поверхностей различных материалов, таких, как вода, кожа, стекло и металл. При этом, новый алгоритм выполняет задачу рендеринга приблизительно в 100 раз быстрей, чем любая из существующих подобных систем.

Большинство методов производства компьютерной графики прибегают к искусственному сглаживанию сложных поверхностей для того, чтобы снизить количество вычислений и ускорить процесс обработки. Такие подходы широко использовались в 1980-х годах, когда вычислительная техника обладала малой производительностью, а недостаточная детализация поверхностей позволяла человеку сразу же отличить компьютерную графику от реальных изображений.

Новый алгоритм, разработанный группой профессора Рави Рамамурти (Ravi Ramamoorthi) из Калифорнийского университета в Сан-Диего при содействии специалистов компании Autodesk, позволяет получить более реалистичные результаты благодаря тому, что он разбивает каждый пиксель обрабатываемой сложной поверхности на большое количество так называемых «микроаспектов». Каждый из этих микроаспектов действует как своего рода гладкое крошечное зеркало, отражая свет в определенном направлении. И, совместная работа десятков и тысяч этих микрозеркал позволяет получить реалистичное изображение даже самой сложной поверхности.

Технология разбиения на микроаспекты уже использовалась в некоторых системах рендеринга, но их обработка с достаточной точностью требовала «перемалывания» огромного количества чисел. Новая система, разработанная учеными, уменьшает в 100 раз количество требующихся вычислений и снижает на 40 процентов требования к аппаратным средствам компьютеров, чем требования к компьютерам, необходимым для расчетов технологий, основанных на упрощении и сглаживании поверхностей.

Для расчетов каждого микроаспекта системе требуется вычислить значение так называемого «нормального вектора», который является перпендикуляром к поверхности зеркала. И, зная заранее значение этого вектора, можно точно и быстро рассчитать направление, в котором будет отражать свет от каждого источника данный микоаспект. Виртуальная камера, расположенная в определенной точке сцены, будет воспринимать только те отраженные лучи света, которые попадают в ее объектив.

Традиционно, системы рендеринга вычисляют отражения света последовательно, от каждого пикселя по отдельности., что требует больших вычислительных ресурсов. Однако, калифорнийские исследователи пошли другим путем, они сгруппировали микроаспекты в участки и вычислили приблизительное количество света, отраженное каждым участком в определенном направлении. В результате этого новый алгоритм стал работать в 100 раз быстрее, нежели прежде.

Следующим шагом в развитии нового алгоритма рендеринга станет новая технология представления сложных поверхностей, которая обеспечит получение сверхвысокой разрешающей способности, не требуя, при этом, кардинального увеличения количества вычислений и увеличения объемов используемой памяти компьютера.

Источник

Как написать генератор изображений, который вас понимает

Автор статьи рассказывает, как за неделю создал Text2Art.com — генератор изображений на основе VQGAN+CLIP, способный рисовать пиксель-арт и живопись, а также изображать то, что вы напишете в текстовом поле.

Для интерфейса используется Gradio, модель работает на сервере FastAPI, а системой очереди сообщений служит Firebase. Подробностями делимся к старту курса по ML и DL.

Галерея Text2Art

Если вам понравился проект, вы можете проголосовать за него здесь.

Введение

Не так давно генеративные картины и NFT штурмом захватили мир. Это стало возможным после значительного прогресса OpenAI в генерации изображения из текста. Ранее в этом году OpenAI анонсировал DALL-E, мощный генератор изображений из текстов.

Чтобы проиллюстрировать, насколько хорошо работает DALL-E, посмотрите рисунки, сгенерированные DALL-E по запросу «a professional high quality illustration of a giraffe dragon chimera, «a giraffe imitating a dragon», «a giraffe made of dragon».

Изображения по запросу «a professional high quality illustration of a giraffe dragon chimera, «a giraffe imitating a dragon», «a giraffe made of dragon».

К сожалению, DALL-E не был выпущен в массы. Вместо него была опубликована модель, которая творит магию DALL-E, — CLIP. CLIP или Contrastive Image-Language Pretraining — это мультимодальная сеть, объединяющая текст и изображения.

Одним словом, CLIP способен оценить, насколько хорошо изображение соответствует надписи или наоборот.

Это крайне полезно в управлении генератором, чтобы создать изображение, точно соответствующее введённому тексту. В фильме «DALL-E» CLIP используется, чтобы ранжировать сгенерированные изображения и входные изображения с наивысшим баллом (самые похожие на тектовый запрос).

Через несколько месяцев после анонса фильма DALL-E был опубликован новый генератор изображений-трансформеров под названием VQGAN (Vector Quantized GAN). Сочетание VQGAN с CLIP даёт качество, аналогичное DALL-E. С момента обнародования предварительно обученной модели VQGAN сообщество создало множество удивительных картин.

Я был поражён результатами и захотел поделиться ими со своими друзьями. Но, поскольку не так много людей готовы погрузиться в код ради генерации картин, я решил сделать Text2Art.com — сайт, где любой может просто ввести подсказку и сгенерировать нужное изображение, не сталкиваясь с кодом воочию.

Как это работает

Итак, как работает VQGAN+CLIP? VQGAN генерирует изображение, а CLIP измеряет, насколько оно соответствует запросу. Затем генератор использует обратную связь от модели CLIP, чтобы сгенерировать более точные изображения. Процедура повторяется, пока оценка CLIP не станет достаточно высокой.

VQGAN генерирует изображения, пока CLIP направляет процесс. Чем больше итераций, тем точнее изображение [источник: иллюстрированный VQGAN от LJ Miranda]

Я не буду рассказывать о внутренней работе VQGAN или CLIP. Но, если вы хотите получить более глубокие объяснения VQGAN, CLIP или DALL-E, обратитесь к этим удивительным ресурсам, которые я нашёл:

X + CLIP

VQGAN+CLIP — это только пример того, на что способно объединение генератора изображений с CLIP. Однако вы можете заменить VQGAN на любой генератор. Появилось много вариантов X + CLIP, таких как StyleCLIP (StyleGAN + CLIP), CLIPDraw (векторный генератор), BigGAN + CLIP и многие другие, даже AudioCLIP, который работает со звуком, а не изображениями.

Редактирование изображений при помощи StyleCLIP [работа о StyleCLIP]

Я воспользуюсь кодом из репозитория clipit от dribnet, этот код генерирует изображения при помощи VQGAN+CLIP в несколько простых строк (обновление: clipit мигрировал на pixray). Его рекомендуется запускать на Google Colab: VQGAN+CLIP требует много памяти GPU. Вот блокнот Colab.

Прежде всего, если вы работаете на Colab, убедитесь, что вы изменили тип рантайма на GPU, вот так:

Установим кодовую базу и зависимости:

«!» — это специальная команда в Google Colab, которая означает, что команда будет запущена в bash, а не в python.

После установки библиотек мы можем просто импортировать clipit и запустить эти несколько строк кода для генерации картины с помощью VQGAN+CLIP.

Просто замените текстовую подсказку на любую другую. Кроме того, вы можете задать clipit такие параметры, как количество итераций, ширина, высота, модель генератора, хотите ли вы генерировать видео или нет, и многие другие. Чтобы больше узнать об опциях, вы можете посмотреть исходный код.

Когда вы запустите код, он сгенерирует изображение. На каждой итерации сгенерированное изображение будет приближаться к тексту, который вы ввели.

Итерации по заросу “underwater city”

Количество итераций

Вот так можно установить количество итераций, им управляет iterations :

Генерация видео

В любом случае нужно генерировать изображение для каждой итерации, поэтому можно сохранить эти изображения и создать анимацию самой генерации. Для этого добавьте make_video=True перед применением настроек.

Получится этот ролик:

Сгенерированный подводный город, запрос “Underwater City”

Управление размером изображений

Баннер 800×200 по запросу “Fantasy Kingdom #artstation”

Генерация пиксель-арта

Изображение по запросу “Knight in armor #pixelart” Изображение по запросу “A world of chinese fantasy video game #pixelart”

VQGAN+CLIP модификатор ключевых слов

Из-за смещения в CLIP добавление определённых ключевых слов к подсказке может придать определённый эффект генерируемому изображению. Например, добавление слова «unreal engine» к текстовой подсказке, как правило, создаёт реалистичное изображение или HD стиль. Добавление определённых названий сайтов, таких как «deviantart», «artstation» или «flickr», обычно делает результаты более эстетичными. Мне больше всего нравится использовать ключевое слово «artstation”, так как я считаю, что помогает создать лучшие картины.

Сравнение ключевых слов

Кроме того, вы можете использовать ключевые слова, чтобы обусловить художественный стиль: «pencil sketch”, «low poly» или даже имя художника — «Thomas Kinkade» или «James Gurney”.

Ключевые слова стиля — сравнение

Чтобы узнать больше о влиянии различных ключевых слов, вы можете ознакомиться с изображением, которое показывает более 200 слов на 4 темы.

UI на Gradio

Gradio — это библиотека Python, которая упрощает построение демонстраций ML до нескольких строк кода. Демоверсия требует меньше 10 минут работы. Кроме того, вы можете запустить Gradio в Colab, и он сгенерирует ссылку для совместного использования на домене Gradio. Ссылкой можно поделиться.

Gradio имеет некоторые ограничения, но я считаю, что это самая подходящая библиотека, когда вы просто хотите продемонстрировать одну функцию.

Ниже код простого пользовательского интерфейса для приложения Text2Art. Думаю, что он достаточно понятен, но, если вам нужно больше объяснений, смотрите документацию Gradio.

Как только вы запустите эту программу в Google Colab или локально, она создаст ссылку, которой можно поделиться, демонстрация будет общедоступной. Не нужно использовать туннелирование SSH вроде ngrok. Кроме того, Gradio также предлагает хостинг за 7 долларов в месяц.

Ссылка в демо, которой можно поделиться.

Однако Gradio хорошо подходит только для демонстрации одной функции. Создание кастомного сайта с дополнительными функциями, такими как галерея, вход в систему или даже просто пользовательский CSS, довольно ограничено или вообще невозможно.

Одно быстрое решение — создать демонстрационный сайт отдельно от пользовательского интерфейса Gradio, затем — встроить интерфейс Gradio через iframe.

Я попробовал этот метод, но осознал один важный недостаток: я не могу персонализировать части, которые должны взаимодействовать с самим приложением ML: валидацию ввода, пользовательский прогресс-бар и т. д., невозможны с iframe. И я решил создать API.

FastAPI для модели

Чтобы сделать API быстрее, вместо Flask я воспользовался FastAPI. Кода меньше, а ещё он автоматически генерирует документацию со Swagger UI, что позволяет тестировать API с помощью простого пользовательского интерфейса.

Кроме того, FastAPI поддерживает асинхронные функции и, как утверждается, он быстрее, чем Flask.

Добавляем /docs/ в URL, чтобы увидеть Swagger Тестируем API в UI Swagger

Вот код, который я написал для выполнения функции ML на сервере FastAPI:

После определения сервера мы можем запустить его с помощью uvicorn. Кроме того, поскольку Google Colab предоставляет доступ к своему серверу только через интерфейс Colab, мы должны использовать Ngrok, чтобы сделать сервер FastAPI публичным.

Код для запуска и демонстрации сервера:

Запустив сервер, мы можем перейти к Swagger UI (добавив /docs в сгенерированный ngrok URL) и протестировать API.

Генерация подводного замка при помощи FastAPI Swagger UI

При тестировании API я понял, что вывод может занять от 3 до 20 минут в зависимости от качества/итераций. Три минуты само по себе уже считается очень долгим для HTTP-запроса, и пользователи могут не захотеть ждать так долго.

Я решил, что установка вывода в качестве фоновой задачи и отправка пользователю электронного письма после получения результата лучше подходят для этой задачи.

Теперь, когда мы определились с планом, напишем функцию для отправки письма. Сначала я использовал почтовый API SendGrid, но после исчерпания квоты бесплатного использования (100 писем в день) перешёл на API Mailgun, который входит в пакет GitHub Student Developer Pack, разрешая студентам отправлять 20 000 писем в месяц.

Вот код для отправки электронного письма с вложением изображения с помощью API Mailgun:

Далее мы изменим код нашего сервера, чтобы использовать фоновые задачи в FastAPI и отправить результат по электронной почте в фоновом режиме.

С помощью приведённого выше кода сервер быстро ответит на запрос сообщением «Task is processed in the background» вместо того, чтобы ждать завершения генерации и ответа с изображением. Когда генерация завершится, сервер по электронной почте отправит пользователю результат.

Изображение и видеозапись отправляются пользователю по электронной почте

Теперь, когда всё вроде бы заработало, я создал фронтенд и поделился сайтом со своими друзьями. Однако при тестировании с несколькими пользователями я обнаружил, что есть проблема параллелизма.

Когда второй пользователь делает запрос на сервер, в то время как первая задача всё ещё обрабатывается, вторая задача каким-то образом завершает текущий процесс, вместо того чтобы создать параллельный процесс или очередь.

Не было уверенности, что вызвало проблему, возможно, это было использование глобальных переменных в коде clipit, а возможно, нет. Я быстро понял, что мне нужно реализовать систему очереди сообщений.

По результатам поисков в Google большинство рекомендует RabbitMQ или Redis. Однако я не был уверен, можно ли установить RabbitMQ или Redis на Google Colab: для этого, похоже, требуется разрешение sudo.

В конце концов, я решил использовать Google Firebase, потому что хотел закончить проект как можно скорее, а с Firebase я знаком лучше всего.

В основном, когда пользователь пытается сгенерировать рисунок во фронтенде, он добавляет запись в queue, которая описывает задачу (введённый текст, тип изображения, размер и т. д.).

С другой стороны, мы запустим сценарий на Google Colab, который будет постоянно прослушивать новую запись в очереди и обрабатывать задания одно за другим.

Код бэкенда, который обрабатывает задание и постоянно прослушивает очередь

На фронте нужно только добавить новую задачу в очередь. Убедитесь, что правильно настроили Firebase на фронтенде:

Мы сделали это! Теперь, когда пользователь попытается создать рисунок на фронтенде, он добавит новую задачу в очередь. Затем рабочий скрипт на сервере Colab обработает задания в очереди, одно за другим. Вы можете заглянуть в репозиторий GitHub, чтобы увидеть весь код.

Лучше понять нейросети и научиться решать проблемы бизнеса с их помощью вы сможете на наших курсах:

Также вы можете перейти на страницы из католога, чтобы увидеть, как мы готовим специалистов в других направлениях.

[5] Flask против FastAPI

Data Science и Machine Learning

Источник