論文の概要: Modeling Protagonist Emotions for Emotion-Aware Storytelling

• arxiv url: http://arxiv.org/abs/2010.06822v2
• Date: Tue, 20 Oct 2020 19:23:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 12:25:25.515249
• Title: Modeling Protagonist Emotions for Emotion-Aware Storytelling
• Title（参考訳）: 感情認識ストーリーテリングのための主人公感情のモデル化
• Authors: Faeze Brahman, Snigdha Chaturvedi
• Abstract要約: 本稿では,ニューラルストーリーテリングにおける主人公の感情軌跡のモデル化について述べる。 私たちのモデルには、Emotion Supervision(EmoSup)と2つのEmotion-Reinforceed(EmoRL)モデルがあります。
• 参考スコア（独自算出の注目度）: 16.09732485225391
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotions and their evolution play a central role in creating a captivating story. In this paper, we present the first study on modeling the emotional trajectory of the protagonist in neural storytelling. We design methods that generate stories that adhere to given story titles and desired emotion arcs for the protagonist. Our models include Emotion Supervision (EmoSup) and two Emotion-Reinforced (EmoRL) models. The EmoRL models use special rewards designed to regularize the story generation process through reinforcement learning. Our automatic and manual evaluations demonstrate that these models are significantly better at generating stories that follow the desired emotion arcs compared to baseline methods, without sacrificing story quality.
• Abstract（参考訳）: 感情とその進化は、captivating storyを作る上で中心的な役割を果たす。 本稿では,ニューラルストーリーテリングにおいて,主人公の感情的軌跡をモデル化する最初の研究を行う。 我々は、主人公に与えられたストーリータイトルと希望する感情弧に従うストーリーを生成する方法をデザインする。 私たちのモデルには、Emotion Supervision(EmoSup)と2つのEmotion-Reinforceed(EmoRL)モデルがあります。 EmoRLモデルは、強化学習を通じてストーリー生成プロセスを規則化するように設計された特別な報酬を使用する。 我々の自動的および手動的評価は、これらのモデルが、ストーリーの質を犠牲にすることなく、ベースラインの手法と比較して、望ましい感情弧に従うストーリーを生成できることを示す。

関連論文リスト

• Generating Visual Stories with Grounded and Coreferent Characters [63.07511918366848]
  本稿では,一貫した接地的・中核的な特徴を持つ視覚的ストーリーを予測できる最初のモデルを提案する。 我々のモデルは、広く使われているVISTベンチマークの上に構築された新しいデータセットに基づいて微調整されています。 また、物語における文字の豊かさとコア参照を測定するための新しい評価指標を提案する。
  論文  参考訳（メタデータ） (2024-09-20T14:56:33Z)
• The Emotion Dynamics of Literary Novels [33.974558021764395]
  ナレーションの感情弧と様々なキャラクタの区別に文字対話を用いる。 本研究は, 物語と対話は, 小説を通じて, 感情の相違を主に表していることを示すものである。
  論文  参考訳（メタデータ） (2024-03-04T20:39:21Z)
• Emotion Rendering for Conversational Speech Synthesis with Heterogeneous Graph-Based Context Modeling [50.99252242917458]
  会話音声合成(CSS)は,会話環境の中で適切な韻律と感情のインフレクションで発話を正確に表現することを目的としている。 データ不足の問題に対処するため、私たちはカテゴリと強度の点で感情的なラベルを慎重に作成します。 我々のモデルは感情の理解と表現においてベースラインモデルよりも優れています。
  論文  参考訳（メタデータ） (2023-12-19T08:47:50Z)
• Language Models (Mostly) Do Not Consider Emotion Triggers When Predicting Emotion [87.18073195745914]
  人間の感情が感情の予測において有意であると考えられる特徴とどのように相関するかを検討する。 EmoTriggerを用いて、感情のトリガーを識別する大規模言語モデルの能力を評価する。 分析の結果、感情のトリガーは感情予測モデルにとって健全な特徴ではなく、様々な特徴と感情検出のタスクの間に複雑な相互作用があることが判明した。
  論文  参考訳（メタデータ） (2023-11-16T06:20:13Z)
• CHAE: Fine-Grained Controllable Story Generation with Characters, Actions and Emotions [10.694612203803146]
  本稿では,物語のきめ細かい制御モデルを提案する。 キャラクター、対応するアクション、感情を任意に割り当てたカスタマイズされたストーリーを生成することができる。 きめ細かいパーソナライズされたガイダンスに従ってストーリーを生成することは、強い制御性を持つ。
  論文  参考訳（メタデータ） (2022-10-11T07:37:50Z)
• ViNTER: Image Narrative Generation with Emotion-Arc-Aware Transformer [59.05857591535986]
  様々な感情を「感情弧」として表現する時系列に焦点をあてた画像物語を生成するモデルViNTERを提案する。 手動評価と自動評価の両方の実験結果を示す。
  論文  参考訳（メタデータ） (2022-02-15T10:53:08Z)
• Enhancing Cognitive Models of Emotions with Representation Learning [58.2386408470585]
  本稿では,きめ細かな感情の埋め込み表現を生成するための,新しいディープラーニングフレームワークを提案する。 本フレームワークは,コンテキスト型埋め込みエンコーダとマルチヘッド探索モデルを統合する。 本モデルは共感対話データセット上で評価され,32種類の感情を分類する最新結果を示す。
  論文  参考訳（メタデータ） (2021-04-20T16:55:15Z)
• Controllable Multi-Character Psychology-Oriented Story Generation [28.054245616281023]
  SoCP(Storytelling of Multi-Character Psychology)と呼ばれる新しいモデルに基づく注意機構を提案する。 提案モデルでは,異なるキャラクタの心理状態の変化を考慮した物語を生成可能であることを示す。 実験により、生成したストーリーは、自動評価と人的評価の両方に従って、各キャラクターの心理的状態に従うことが示された。
  論文  参考訳（メタデータ） (2020-10-11T12:05:00Z)
• Modality-Transferable Emotion Embeddings for Low-Resource Multimodal Emotion Recognition [55.44502358463217]
  本稿では、上記の問題に対処するため、感情を埋め込んだモダリティ変換可能なモデルを提案する。 我々のモデルは感情カテゴリーのほとんどで最先端のパフォーマンスを達成する。 私たちのモデルは、目に見えない感情に対するゼロショットと少数ショットのシナリオにおいて、既存のベースラインよりも優れています。
  論文  参考訳（メタデータ） (2020-09-21T06:10:39Z)
• Visual Simplified Characters' Emotion Emulator Implementing OCC Model [0.9868246135032442]
  本論文は,Ortony, Clore, Collins (OCC Model) が提唱する感情の認知構造を単純化した視点に基づくものである。 本研究の目的は,キャラクターの異なる感情の変化を観察できる視覚的プラットフォームを提供することである。 このツールは、オセロ、トワイライト、ハリー・ポッターといった対照的な感情的・感情的な環境の物語でテストされ、キャラクターが没入した雰囲気を優しく保った。
  論文  参考訳（メタデータ） (2020-01-17T08:41:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。