Η παρούσα διπλωματική εργασία εξετάζει την αξιοποίηση των συστημάτων σωματιδίων, με τη χρήση τεχνολογιών Τεχνητής Νοημοσύνης, για τη δημιουργία μικρής διάρκειας οπτικοακουστικών φορμών τύπου spot. Το αντικείμενο της εργασίας εντάσσεται στο πεδίο των οπτικών εφέ και εστιάζει ειδικότερα στη δημιουργία particle-based effects, όπως φωτιά, σπίθες και καπνός, μέσα από τα κλασικά, τα generative και υβριδικά ψηφιακά περιβάλλοντα παραγωγής. Στο θεωρητικό μέρος παρουσιάζεται η εξέλιξη των particle systems, τα βασικά τεχνικά χαρακτηριστικά τους, καθώς και η μετάβαση από τις παραδοσιακές μεθόδους προσομοίωσης σε σύγχρονες προσεγγίσεις που αξιοποιούν generative AI video models, neural representations και υβριδικά workflows.

            Σκοπός της εργασίας είναι να διερευνηθεί σε ποιο βαθμό τα εργαλεία Τεχνητής Νοημοσύνης μπορούν να υποστηρίξουν ή να επεκτείνουν τη δημιουργία οπτικών εφέ σωματιδίων, τόσο ως αυτόνομα generative συστήματα όσο και σε συνδυασμό με κλασικά εργαλεία, όπως το Blender. Για το λόγο αυτό, πραγματοποιήθηκε εμπειρική διερεύνηση μέσα από πειράματα που περιλαμβάνουν τη χρήση Claude, Runway, Blender και AI Render. Τα παραγόμενα βίντεο αξιολογήθηκαν με ποιοτικά κριτήρια, όπως ο ρεαλισμός, η αισθητική συνοχή, η ανταπόκριση στην εντολή κειμένου, αλλά και με ποσοτικές μετρικές όπως LPIPS, Temporal Warping Error, SSIM και MAE.

            Τα αποτελέσματα δείχνουν ότι τα generative AI models μπορούν να παράγουν γρήγορα και εντυπωσιακά αποτελέσματα, όμως παρουσιάζουν περιορισμούς στον ακριβή έλεγχο και στη χρονική συνέπεια. Αντίθετα, τα υβριδικά workflows με Blender προσφέρουν μεγαλύτερο έλεγχο στο σκηνικό και στα particle systems, αλλά απαιτούν περισσότερη τεχνική παρέμβαση. Συνολικά, η εργασία αναδεικνύει ότι η ΤΝ δεν αντικαθιστά προς το παρόν πλήρως τα κλασικά συστήματα σωματιδίων, αλλά μπορεί να λειτουργήσει συμπληρωματικά, ενισχύοντας τη δημιουργική διαδικασία και προσφέροντας νέες δυνατότητες στην παραγωγή σύντομων οπτικοακουστικών φορμών.

This dissertation examines the use of particle systems through Artificial Intelligence technologies for the creation of short audiovisual forms, specifically short form spots. The subject belongs to the broader field of visual effects and focuses on the production of particle-based effects, such as fire, sparks and smoke, through classical, generative and hybrid digital production environments. The theoretical part of the study presents the evolution of particle systems, their main technical characteristics and the transition from traditional simulation methods to contemporary approaches based on generative AI video models, neural representations and hybrid workflows.

The aim of the dissertation is to investigate the extent to which Artificial Intelligence tools can support or expand the creation of particle-based visual effects, both as independent generative systems and in combination with traditional software such as Blender. For this purpose, an empirical investigation was conducted through a series of experiments involving Claude, Runway, Blender and AI Render. The produced videos were evaluated through qualitative criteria, including realism, aesthetic coherence, response to the given prompt and suitability for use in a short audiovisual spot. At the same time, quantitative metrics such as LPIPS, Temporal Warping Error, SSIM and MAE were applied in order to examine visual similarity, temporal stability and perceptual differences between the produced results.

The findings indicate that generative AI tools are capable of producing visually impressive results in a short amount of time. However, they often present limitations regarding precise control, physical accuracy and temporal consistency. On the other hand, hybrid workflows based on Blender offer greater control over the scene, the particle behavior and the overall structure of the effect, but require more technical intervention and manual adjustment. The use of AI Render showed that AI can aesthetically transform an existing Blender render, although this transformation may also reduce the perceived intensity or natural behavior of the fire effect.

Overall, the dissertation concludes that Artificial Intelligence does not fully replace classical particle systems. Instead, it can function as a complementary creative tool that enhances the production process, supports experimentation and opens new possibilities for the design of short audiovisual spots based on particle effects.