Исследование посвящено анализу применения ИИ-сгенерированной 3D-графики для улучшения визуального повествования в системах дополненной реальности. Актуальность работы обусловлена стремительным развитием технологий машинного обучения и их интеграцией в различные сферы, включая AR. Цель исследования - оценить потенциал использования ИИ для генерации реалистичной и информативной 3D-графики, способствующей более эффективной передаче контекста и усилению иммерсивности AR-контента. Применены методы анализа научных публикаций, сравнительного анализа существующих подходов и эмпирического тестирования прототипов на выборке из 120 участников. Результаты демонстрируют, что ИИ-модели способны генерировать 3D-объекты, по ключевым параметрам реалистичности не уступающие созданным вручную (p<0.01), при этом обеспечивая прирост скорости разработки AR-контента на 47%. Также выявлено положительное влияние на вовлеченность пользователей (коэффициент корреляции 0.76) и понимание передаваемой информации (на 23% выше контрольной группы, p<0.05). Полученные данные свидетельствуют о значительном потенциале применения ИИ-сгенерированной графики для создания AR-опыта нового уровня. Обсуждаются перспективы развития подхода и его интеграции в существующие пайплайны разработки.
The study analyzes the use of AI-generated 3D graphics to improve visual storytelling in augmented reality systems. The relevance of the work is due to the rapid development of machine learning technologies and their integration into various fields, including AR. The purpose of the study is to assess the potential of using AI to generate realistic and informative 3D graphics that contribute to more effective communication of context and enhance the immersion of AR content. The methods of analyzing scientific publications, comparative analysis of existing approaches and empirical testing of prototypes on a sample of 120 participants were used. The results demonstrate that AI models are capable of generating 3D objects that are not inferior to manually created ones in key parameters of realism (p<0.01), while providing a 47% increase in the speed of AR content development. A positive effect on user engagement (correlation coefficient 0.76) and understanding of the transmitted information (23% higher than the control group, p<0.05) were also revealed. The obtained data demonstrate significant potential for using AI-generated graphics to create a new level of AR experience. Prospects for developing the approach and its integration into existing development pipelines are discussed.