Анимация исторической картины: разбор пиксельного процесса с локальным ИИ
Habr AI · оригинал
Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.

Автор описывает метод превращения статичной картины XIX века в анимированную сцену, сохраняя исходную композицию. Процесс включает ручной разбор изображения на слои, генерацию промтов через локальную LLM и композитинг в After Effects.
Материал демонстрирует практическое применение локальных нейросетей в творческом производстве, показывая, как можно контролировать результат генерации видео, избегая типичных артефактов «черного ящика» облачных сервисов.
Превращение исторической живописи в динамичную сцену требует иного подхода, чем простая загрузка изображения в видеогенератор. В проекте, основанном на картине Лоуренса Альма-Тадемы «Anno 1812. Kapitein Benthien aan de Beresina», автор столкнулся с тремя ключевыми проблемами: сложным взаимодействием множества персонажей, необходимостью восстановления фона за вырезанными объектами и потерей контроля над деталями при генерации всей композиции целиком. Чтобы сохранить художественный замысел оригинала, был выбран поэлементный путь: изображение было разбито на независимые слои в Adobe Photoshop, где каждый объект сохранялся в исходной системе координат для упрощения последующего монтажа.
Критически важным этапом стал инпейтинг. При удалении персонажа из кадра возникала пустота, которую необходимо было заполнить так, чтобы она органично вписалась в живописную фактуру, свет и перспективу. Любые несовпадения на стыках стали бы очевидны после анимации. Дополнительно требовалась детализация лиц, которые на оригинале были слишком мелкими для убедительного движения, при этом сохраняя исходные позы и пропорции. Для облегчения композитинга задний фон за персонажами заменялся на «зеленый экран».
Роль локальной мультимодальной модели Qwen 3.8 27B, запущенной через LM Studio, заключалась в подготовке специализированных промтов для видеомодели MiniMax H3. Вместо ручного написания описаний, автор подавал модели базовый запрос и изображение, а LLM генерировала детальный промт на английском языке с указанием конкретных действий персонажей, ракурса камеры и стилистических ограничений. Это позволяло избежать «улета» видеомодели в сторону нежелательных изменений композиции.
Генерация видео выполнялась в ComfyUI с использованием оптимизированных весов MiniMax H3. Автор отмечает, что процесс требует значительного количества итераций: на одну удачную попытку приходится четыре-пять неудачных, особенно при сложных взаимодействиях объектов, таких как пересечение тел персонажей или физика воды. Разрешение генерации варьировалось от 0.3 МП для общих планов до 1.8 МП для близких деталей.
Финальная сборка происходила в After Effects, где анимированные фрагменты налагались на восстановленный фон. Для точного выделения объектов по кадрам использовался инструмент Roto Brush, позволяющий чистить маски и устранять артефакты на границах одежды и конечностей. Весь процесс выполнялся локально на рабочей станции с 32 ГБ видеопамяти, что исключает зависимость от облачных сервисов и позволяет гибко управлять производственным конвейером.
Результатом стала анимированная интерпретация картины, где движение персонажей не нарушает исходную художественную структуру. Такой подход демонстрирует потенциал локального ИИ для создания мультимедийных инсталляций и образовательных проектов, где важна точность и контроль над каждым элементом сцены. Источник: web:Habr AI — https://habr.com/ru/articles/1107574/