Програмний модуль генерації візуального контенту для цифрової культурної спадщини

Abstract

Метою роботи є розроблення та експериментальна перевірка програмного модуля керованої генерації короткого відеоконтенту (GIF) за текстовим описом сцени на основі дифузійного підходу AnimateDiff із забезпеченням відтворюваності результатів через фіксацію параметрів інференсу та можливість базового архівування згенерованих артефактів. Методами розроблення обрано метод аналізу (для дослідження предметної області цифрової культурної спадщини та існуючих рішень генерації відео), метод порівняльного аналізу (для формування критеріїв оцінювання open-source і пропрієтарних інструментів за керованістю, відтворюваністю та ресурсними вимогами), методи моделювання та проєктування (для побудови архітектури модульного конвеєра інференсу), методи програмної реалізації та експериментального тестування (для перевірки функціональної коректності, керованості та відтворюваності генерації за фіксованих параметрів). Внаслідок виконання роботи спроєктовано архітектуру програмного модуля та реалізовано алгоритмічний конвеєр генерації анімованого контенту на основі AnimateDiff у середовищі Jupyter/Kaggle із параметризацією інференсу (prompt, negative prompt, кількість кадрів, кількість кроків, сила текстового умовлення, seed, розмір кадру) та механізмами збереження/архівування результатів у форматі GIF. Проведено тестування на сценаріях, релевантних цифровій культурній спадщині (архітектура, сакральний інтер’єр, музейний артефакт, реставраційна реконструкція, цифрова експозиція, аероперспектива), що підтвердило керованість параметрами інференсу та відтворюваність результатів за фіксованого seed. Результати дослідження можуть бути використані в навчальних і науководослідницьких підрозділах, а також у цифрових проєктах установ культурної пам’яті для швидкого формування демонстраційних мультимедійних матеріалів та прототипування візуальних наративів із фіксацією параметрів генерації.

The purpose of the thesis is to develop and experimentally validate a software module for controlled short video (GIF) generation from a natural-language scene description based on the AnimateDiff diffusion approach, ensuring reproducibility by fixing inference parameters and providing basic archiving of generated artifacts. The research methods include analysis (to examine the digital cultural heritage domain and existing video generation solutions), comparative analysis (to define evaluation criteria for open-source and proprietary tools in terms of controllability, reproducibility, and resource requirements), modeling and design methods (to build the architecture of a modular inference pipeline), and software implementation and experimental testing methods (to verify functional correctness, controllability, and reproducibility under fixed parameters). As a result, the software module architecture was designed and an AnimateDiffbased animated content generation pipeline was implemented in the Jupyter/Kaggle environment with inference parameterization (prompt, negative prompt, number of frames, number of steps, guidance scale, seed, frame size) and mechanisms for saving/archiving outputs in GIF format. Testing on scenarios relevant to digital cultural heritage (architecture, sacred interior, museum artifact, restoration reconstruction, digital exhibition, aerial perspective) confirmed controllability via inference parameters and reproducibility under a fixed seed. The obtained results can be used in educational and research units, as well as in digital projects of cultural memory institutions, to rapidly create demonstrative multimedia materials and prototype visual narratives with documented generation parameters.