Методика проектирования моушн-графики с применением нейросетевых технологий: от концепции к реализации

Журнал «KANT: Social Sciences & Humanities Series» №3(27) 2026 [стр. 142-147]

DOI: 10.24923/2305-8757.2026-27.18

Авторы: Демьянова Мария Витальевна, аспирант , Козырева Любовь Константиновна, кандидат искусствоведения, доцент , Российский государственный университет им. А.Н. Косыгина (Технологии. Дизайн. Искусство), Москва (Россия)

Ключевые слова: генеративные нейросети; моушн-дизайн; гибридное проектирование; промпт-инженерия; диффузионные модели; делегированное агентство; AI Aesthetics; темпоральность анимации; авторство в цифровых медиа; визуальные коммуникации.

Цитировать: Демьянова М.В., Козырева Л.К. Методика проектирования моушн-графики с применением нейросетевых технологий: от концепции к реализации // KANT: Social science & Humanities. — 2026. — №3(27). — С. 142–147. EDN: CRYLEW. DOI: https://doi.org/10.24923/2305-8757.2026-27.18

Исследование посвящено трансформации проектного процесса в моушн-дизайне под влиянием генеративных нейросетей, функционирующих не как технические ассистенты, а как агенты, переопределяющие логику визуального мышления. Своевременность обращения к проблеме обусловлена стремительным внедрением диффузионных моделей в коммерческую практику при критическом дефиците методологических рамок, учитывающих специфику темпоральных медиа и коммуникативные параметры анимации. Цель работы — разработка методологии гибридного проектирования, балансирующей между непредсказуемостью алгоритмической генерации и требованиями авторского контроля. Задачи включают выявление оптимальных этапов применения нейросетей в производственном цикле, систематизацию паттернов промпт-инженерии как расширенной формы дизайнерского мышления и анализ этико-правовых коллизий авторства в условиях делегированного агентства. Методологическая рамка построена на концепции «AI Aesthetics» Льва Мановича, теории документированной гибридности и принципах рефлексивной практики, адаптированных к контексту визуальных коммуникаций. Результаты основаны на эмпирическом анализе пятнадцати коммерческих проектов с применением Runway Gen-3, Midjourney и Kling AI, что позволило установить обратную зависимость эффективности нейросетей от специфичности коммуникативной задачи и зафиксировать временной парадокс — сокращение концептуализации при увеличении общего производственного цикла. Уникальный вклад исследования состоит в формализации трехчастной структуры промптов, обеспечивающей предсказуемость генерации, и обосновании необходимости документирования соотношения нейросетевых и традиционных компонентов как условия прозрачности авторства и профессиональной ответственности.

скачать

Литература:
1.    Нейросетевые технологии в дизайне: теория, практика, этика: монография. — М.: Мир науки, 2025. DOI: 10.15862/40MNNPM25
2.    Соколова М.Е. Chatgpt и промпт-инжиниринг: о перспективах внедрения генеративных нейросетей в науке / М.Е. Соколова // науковедческие исследования. — 2024. — №1. — С. 92–109. DOI: 10.31249/scis/2024.01.07
3.    Aydın Ö. The Age of Generative Artificial Intelligence / Ö. Aydın, E. Karaarslan. — 2025. DOI: 10.5281/zenodo.16010593.
4.    Bank M. Hybrid Immediacy: Designing with Artificial Neural Networks Through Physical Concept Modelling / M. Bank, V. Sandor, R. Kraft, S. Antholzer, M. Berger, T. Fabini, B. Kovacs, T. Hell, S. Rutzinger, K. Schinegger. — 2022. DOI: 10.1007/978-3-031-13249-0_2
5.    Butrym N. "Zarya of the Dawn" — AI-Generated Comic Book Got Only Part of Copyrights by The U.S. Copyright Office Decision / N. Butrym // Deep Image AI Blog. — 2023. — 7 марта.
6.    Caramiaux B. Generative AI and Creative Work: Narratives, Values, and Impacts / B. Caramiaux, K. Crawford, Q. Liao, G. Ramos, J. Williams. — 2025. DOI: 10.48550/arXiv.2502.03940.
7.    Engawi D. Graphic Design in the Age of Artificial Intelligence: A Speculative Co-design Investigation into the Possibilities and Challenges of Artificial Intelligence on the Field of Graphic Design in Saudi Arabia / D. Engawi. — 2023. DOI: 10.17635/lancaster/thesis/2203
8.    Hasey M. Form data as a resource in architectural analysis: An architectural distant reading of wooden churches from the Carpathian mountain regions of Eastern Europe / M. Hasey, J. Rhee, D. Cardoso Llach // Digital Creativity. — 2023. — Vol. 34, №2. — P. 103–126.
9.    Holden D. Phase-functioned neural networks for character control / D. Holden, T. Komura, J. Saito // ACM Transactions on Graphics. — 2017. — Vol. 36. — P. 1–13. DOI: 10.1145/3072959.3073663
10.    Kim N.W. Bridging the Divide: Unraveling the Knowledge Gap in Data Visualization Research and Practice / N.W. Kim, G. Myers, J. Choi, Y. Cho, C. Oh, Y.-S. Kim // Journal of latex class files. — 2021. — Vol. 14, №8. https://doi.org/10.48550/arXiv.2310.09614
11.    Leonardi P.M. Homo agenticus in the age of agentic AI: Agency loops, power displacement, and the circulation of responsibility / P.M. Leonardi // Information and Organization. — 2025. — Vol. 35, Issue 3. — 100582. DOI: 10.1016/j.infoandorg.2025.100582
12.    Liu V. Design Guidelines for Prompt Engineering Text-to-Image Generative Models / V. Liu, L. Chilton. — 2022. — P. 1–23. DOI: 10.1145/3491102.3501825
13.    Manovich L. AI Aesthetics / L. Manovich. — Strelka Press, 2018.
14.    Proceedings of International Conference on Research in Education and Science // International Society for Technology, Education and Science (ISTES). — 2021. — Vol. 1, №1. — P. 1–240.
15.    Schuhmann C. LAION-5B: An open large-scale dataset for training next generation image-text models / C. Schuhmann, R. Beaumont, R. Vencu, C. Gordon, R. Wightman, M. Cherti, T. Coombes, A. Katta, C. Mullis, M. Wortsman, P. Schramowski, S. Kundurthy, K. Crowson, L. Schmidt, R. Kaczmarczyk, J. Jitsev // 36th Conference on Neural Information Processing Systems (NeurIPS 2022), Track on Datasets and Benchmarks. — 2022. https://doi.org/10.48550/arXiv.2210.08402
16.    Singer U. Make-a-video: Text-to-video generation without text-video data / U. Singer, A. Polyak, T. Hayes, X. Yin, J. An, S. Zhang, Q. Hu, H. Yang, O. Ashual, O. Gafni [et al.]. — 2022. https://doi.org/10.48550/arXiv.2209.14792
17.    Wang T.-C. Video-to-Video Synthesis / T.-C. Wang, M.-Y. Liu, J.-Y. Zhu, G. Liu, A. Tao, J. Kautz, B. Catanzaro. — 2018. https://doi.org/10.48550/arXiv.1808.06601

A motion graphics design methodology using neural network technologies: from concept to implementation

Authors: Demyanova Maria Vitalievna, Postgraduate student, Kozyreva Lyubov Konstantinovna, PhD of art History, Associate Professor, Kosygin State University of Russia (Technology. Design. Art), Moscow (Russia)

Keywords: generative neural networks; motion design; hybrid design; prompt engineering; diffusion models; delegated agency; AI Aesthetics; animation temporality; authorship in digital media; visual communications.

This study examines the transformation of the motion design process under the influence of generative neural networks, which function not as technical assistants but as agents redefining the logic of visual thinking. The timeliness of this study stems from the rapid adoption of diffusion models in commercial practice amid a critical shortage of methodological frameworks that account for the specifics of temporal media and the communicative parameters of animation. The goal of this study is to develop a hybrid design methodology that balances the unpredictability of algorithmic generation with the requirements of authorial control. The objectives include identifying optimal stages of neural network application in the production cycle, systematizing patterns of productive engineering as an extended form of design thinking, and analyzing the ethical and legal conflicts of authorship in the context of delegated agency. The methodological framework is built on Lev Manovich's concept of "AI Aesthetics," the theory of documented hybridity, and the principles of reflexive practice adapted to the context of visual communications. The results are based on an empirical analysis of fifteen commercial projects using Runway Gen-3, Midjourney, and Kling AI, which allowed us to establish an inverse relationship between the effectiveness of neural networks and the specificity of the communication task and to document a temporal paradox — a reduction in conceptualization with an increase in the overall production cycle. The unique contribution of the study lies in the formalization of a tripartite structure of prompts, ensuring the predictability of generation, and the justification for the need to document the ratio of neural network and traditional components as a condition for authorship transparency and professional responsibility.