Как художнику использовать нейросети в работе

Какое место AI занимает в жизни проф. художника в геймдеве? Рассказываю 10 способов применения нейросети в рабочих задачах.

Персонажи, созданные в Stable Diffusion
Персонажи, созданные в Stable Diffusion

AI в жизни профессионального художника

Обо мне

Меня зовут Олеся, я концепт и 2D художник в геймдеве. Обучаю других художников и студии внедрять Stable Diffusion в свою работу.

Многих художников волнует ситуация вокруг нейросетей: используют ли их студии, нужно ли их изучать и как же их применять в работе. Идея статьи родилась благодаря моим читателям и я, как художник, поделюсь своим опытом и популярными способами применения нейросети.

Рендер иконок с помощью Stable Diffusion
Рендер иконок с помощью Stable Diffusion

В первую очередь я рассказываю про геймдев, но всё это художники могут применять и в других областях, будь то книжная или коммерческая иллюстрация.

Геймдев студии

Многие геймдев студии, включая OWL Studio, Belka Games и Playkot уже активно применяют AI. Некоторые, как G5 Entertainment, даже открывают специальные вакансии как Principal AI Artist.

Не все студии афишируют использование нейросетей, но многие так или иначе применяют в работе. Сама я тоже консультировала несколько студий по вопросам внедрения Stable Diffusion и обучала целые арт-отделы компаний.

Нейросети уже никуда не денутся и это наша новая реальность. Чтобы оставаться востребованными, художникам и другим специалистам стоит их освоить.

Вакансии и тестовые с AI

Сегодня в требованиях к кандидатам на позицию художника часто указывают наличие навыков работы со Stable Diffusion или Midjourney. Как дополнительный или даже основной навык. Теперь это такой же инструмент в нашем арсенале, как Blender или Photoshop.

HeadHunter
HeadHunter
LinkedIn
LinkedIn

Даже тестовые задания для художников порой включают в себя отдельные задачи, связанные с применением ИИ — и это актуально как для СНГ, так и для Европы. Как художник, я лично с этим сталкивалась.

Как использовать нейросети художнику в рабочих процессах

1. Генерация референсов и идей

Если вам нужно визуализировать идею, вы можете нагенерировать себе референсы - на концепт, стиль, композицию и так далее. На анатомию всё ещё не стоит. 😅

Клиенты активно пользуются этим и присылают задачи с уже сгенерированными идеями и концептами. Также и студии, при отсутствии референсов, набрасывают идею быстро с помощью нейросети и отправляют клиенту для апрува. Это стало нормой, ведь это быстро и удобно.

Вот пример, как художник YangZhengXin сначала генерирует референсы в Midjourney, а затем делает свой скетч и рендерит его с помощью Stable Diffusion.

Генерация референсов в Midjourney
Генерация референсов в Midjourney
Скетч, рендер в Stable Diffusion и полишинг в Photoshop
Скетч, рендер в Stable Diffusion и полишинг в Photoshop

2. Рендер

Мой самый любимый метод использования нейросети - это рендер рисунков. Художнику чаще быстрее набросать скетч, чем добиваться словами нужной позы и образа от нейросети, который засел в голове.

Также это удобно, когда идея уже сформирована и её нужно только реализовать: в конкретном ракурсе, пропорциях, стиле и т.д.

Вот пример моего скетча кота, который был отрендерен в Stable Diffusion и затем доработан в Photoshop. На разработку такого персонажа в студии может уйти одна рабочая неделя. А с ИИ работа сокращается до 1 рабочего дня.

Конкретно этот персонаж был создан за ~3 часа, подробнее рассказываю здесь.

От скетча до финального результата
От скетча до финального результата

Вот ещё примеры моих работ с тем же пайпланом: сначала скетч, затем рендер в SD, и после полишинг в Photoshop, стиль при этом может быть любым:

Примеры рендера
Примеры рендера

Тот же пайплайн и у студии Uowls:

Рендер при помощи SD
Рендер при помощи SD

3. Доработка изображений (правки)

С помощью функции Inpaint мы можем вносить правки в любую часть изображения. Мы можем править как сгенерированную картинку, так и собственную.

Этот зелёный лист я быстро поправила прямо в Stable Diffusion и его не пришлось перерисовывать руками:

Правки зелёного листа
Правки зелёного листа

Аналогично с глазами у кота:

Изменение глаз
Изменение глаз

4. Обучение нейросети

Обучение нейросети для нас важно, когда мы хотим попасть в конкретный стиль: в стиль текущего проекта или задачи. В мобильном геймдеве, например, казуальный стиль остается в тренде, но каждый проект привносит свои уникальные нюансы. Поэтому лучше всего обучать нейросеть под проект или под узкую задачу.

Например, для примеров рендера выше нейросеть была обучена казуальному стилю. Обучить можно любому стилю и даже персонажу, чтобы затем генерировать его в различных ситуациях и позах.

Наглядное сравнение одного промта с обычной и обученной нейросетью:

5 минут на промт и inpaint и ваш казуальный персонаж готов
5 минут на промт и inpaint и ваш казуальный персонаж готов

Как художник, вы можете так же обучить нейросеть рисовать в вашем стиле с помощью уже существующих ваших работ, что тоже удобно.

5. Генерация ассетов

Создание ассетов в Stable Diffusion
Создание ассетов в Stable Diffusion

При помощи обучения нейросети мы можем расширить уже существующую линейку ассетов, будь то иконки или персонажи. О том, как можно с нуля создать 50 игровых иконок за 6 часов (вместо 40) я рассказывала здесь.

6. Matte Painting/Photobash

Уже сейчас на Artstation продаются паки сгенерированных референсов, в том числе для фотобаша. Мы можем сгенерировать их сами или использовать готовые. Вдруг нам нужно срочно добавить персонажу кудряшки или складки на одежду?

Это особенно удобно для игр в жанре Hidden Object, где фотобаш — это основа работы для создания реалистичной картинки. Вот ещё примеры сгенерированных персонажей, которые могут отлично туда вписаться:

Если вы владеете SD, то вы можете в пару кликов выбрать позу для персонажа и сгенерировать любую одежду. В общем, сказка для фотобашеров!

Пример изменения одежды в SD
Пример изменения одежды в SD

Также на сцену вышел Generative Fill в Photoshop — он может помочь с фотореалистичной графикой, со стилизацией обычно справляется хуже. Пока он всё ещё уступает в функционале и гибкости другим нейросетям, но в каких-то кейсах может сгодиться для фотобаша.

Пример изменения платья при помощи Generative Fill в Photoshop
Пример изменения платья при помощи Generative Fill в Photoshop

7. Создание ракурсов персонажа

Мы также можем сгенерировать персонажа в 3 ракурсах при помощи нейросети. Обычно из-за несостыковок эту картинку нельзя использовать как финальный результат, но это может стать хорошим стартом при отрисовки концепта для 3D-моделера.

Сгенерированный персонаж в 3 ракурсах
Сгенерированный персонаж в 3 ракурсах
Сгенерированный персонаж в 3 ракурсах
Сгенерированный персонаж в 3 ракурсах

8. Постобработка 3D-графики

Художники часто создают 3D-болванки под обрисовку при создании фонов или иллюстраций. С помощью Stable Diffusion мы можем за пару минут сделать постобработку, доработав мелочи руками.

Вы уже посчитали, сколько времени можете сэкономить? :)

До и После: 3D модель и постобработка в Stable Diffusion
До и После: 3D модель и постобработка в Stable Diffusion
Постобработка 3D-болванки топора от <a href="https://api.dtf.ru/v2.8/redirect?to=https%3A%2F%2Fwww.artstation.com%2Fnerei&postId=2078150" rel="nofollow noreferrer noopener" target="_blank">Артема Цуканова</a>
Постобработка 3D-болванки топора от Артема Цуканова

9. Использование в анимации

Если вы анимируете, то можете сгенерировать части персонажа для вашей анимации или дополнительные объекты. Вот пример от Алексея Чернова, где для леопарда генерировались лапки по скетчу, а для орла — крылья, которые были взяты за основу и доработаны.

Генерация по скетчу
Генерация по скетчу
Генерация по скетчу
Генерация по скетчу

10. Hand-paint текстуры

С помощью масок и карты глубины мы можем сгенерировать текстуру для нашей 3D модели. Подробнее об этом рассказывает CataRackta в своей статье.

3D модель
3D модель
Генерация текстур для персонажа
Генерация текстур для персонажа
Генерация текстур для персонажа
Генерация текстур для персонажа

Так же мы можем сгенерировать бесшовные или обычные текстуры:

Пример сгенерированных текстур
Пример сгенерированных текстур

Как мы видим, способов применения нейросети для рабочих задач довольно много и все эти способы можно переплетать друг с другом, добиваясь нужного нам результата и создавая новые пайплайны.

Выводы

  • Хоть нейросети ещё не идеальны и не могут полностью заменить художников — уже сейчас они эффективно ускоряют студийную работу.
  • Многие компании не просто используют, но и создают собственные AI-решения, которые находят применение не только в графике, но и в анимации.
  • Этот инструмент никуда не денется; остается лишь ждать, чтобы правовая база догнала технологию и устранила юридические неясности, чтобы ни у кого не возникало вопросов "что можно, а что нельзя". В своё время и фотобаш считался "читерством", но навыки и технологии, ускоряющие выполнение задач, всегда будут востребованы в бизнесе.
  • Нейросети — это ещё один навык, который часто появляется в вакансиях и может стать вашим преимуществом при устройстве на работу, ведь уже не редки случаи, когда среди художников с равными навыками и опытом выбирают того, кто уже владеет нейросетями на хорошем уровне.

Надеюсь, этот материал оказался полезным и вы узнали что-то новое.⭐

🔸 Ещё мои статьи:

🔸 Если вы хотите освоить Stable Diffusion — приходите ко мне на курс. На сайте можно посмотреть программу и работы студентов! 🔥

🔸 Мой блог, где вы найдёте больше полезных постов и моих мыслей.

5252
95 комментариев
26
Ответить
14
Ответить

@Модерация
Здесь явные нарушения правил сайта, а именно спам постами с рекламой своих мутных курсов. Хотелось бы, чтобы с ней уже разобрались, а то происходящее не совсем нормально.
У человека в профиле буквально три поста, созданных аккурат перед началом набора на курсы.

15
Ответить

Комментарий недоступен

9
Ответить

Статья написала по просьбе подписчика из моего Телеграм-канала. :)
Если вам не интересна тема - вы можете не читать.

7
Ответить

С днем миллиона игр с однотипной рисовкой, круто

9
Ответить

Это скорее всего будет применяться только для мобильных дрочилен. А они всегда были одинаковыми

8
Ответить