論文の概要: CHAE: Fine-Grained Controllable Story Generation with Characters, Actions and Emotions

• arxiv url: http://arxiv.org/abs/2210.05221v1
• Date: Tue, 11 Oct 2022 07:37:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-12 13:51:27.030308
• Title: CHAE: Fine-Grained Controllable Story Generation with Characters, Actions and Emotions
• Title（参考訳）: CHAE:キャラクタ、アクション、感情による微調整可能なストーリー生成
• Authors: Xinpeng Wang, Han Jiang, Zhihua Wei, Shanlin Zhou
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 10.694612203803146
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Story generation has emerged as an interesting yet challenging NLP task in recent years. Some existing studies aim at generating fluent and coherent stories from keywords and outlines; while others attempt to control the global features of the story, such as emotion, style and topic. However, these works focus on coarse-grained control on the story, neglecting control on the details of the story, which is also crucial for the task. To fill the gap, this paper proposes a model for fine-grained control on the story, which allows the generation of customized stories with characters, corresponding actions and emotions arbitrarily assigned. Extensive experimental results on both automatic and human manual evaluations show the superiority of our method. It has strong controllability to generate stories according to the fine-grained personalized guidance, unveiling the effectiveness of our methodology. Our code is available at https://github.com/victorup/CHAE.
• Abstract（参考訳）: 近年、ストーリー生成は興味深いが挑戦的なNLPタスクとして現れている。 既存の研究は、キーワードやアウトラインから流動的でコヒーレントなストーリーを生成することを目的としており、感情、スタイル、トピックなど、ストーリーのグローバルな特徴をコントロールしようとするものもある。 しかし、これらの作品はストーリーの粗い粒度の制御に重点を置いており、ストーリーの詳細に対する制御を無視している。 このギャップを埋めるために, キャラクター, 対応する行動, 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の生成を可能にする, ストーリーのきめ細かい制御モデルを提案する。 自動手動評価と人的手動評価の総合的な実験結果から,本手法の優位性を示した。 きめ細かなパーソナライズドガイダンスに従ってストーリを生成するためのコントロール性が強く,方法論の有効性が明らかにされています。 私たちのコードはhttps://github.com/victorup/chaeで利用可能です。

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)
• DeltaScore: Fine-Grained Story Evaluation with Perturbations [69.33536214124878]
  DELTASCOREは,ニュアンスストーリーの側面の評価に摂動技術を用いた新しい手法である。 私たちの中心的な命題は、物語が特定の側面(例えば、流感)で興奮する程度は、特定の摂動に対するその感受性の大きさと相関している、と仮定している。 事前学習言語モデルを用いて,前摂動状態と後摂動状態の確率差を計算することにより,アスペクトの品質を測定する。
  論文  参考訳（メタデータ） (2023-03-15T23:45:54Z)
• Conveying the Predicted Future to Users: A Case Study of Story Plot Prediction [14.036772394560238]
  予測されたプロットをナレーションする短い記述を生成するシステムを作成する。 私たちのゴールは、作家が一貫した説得力のあるストーリーアークを作るのを支援することです。
  論文  参考訳（メタデータ） (2023-02-17T20:10:55Z)
• Robust Preference Learning for Storytelling via Contrastive Reinforcement Learning [53.92465205531759]
  制御された自動ストーリ生成は、自然言語批判や嗜好から制約を満たす自然言語ストーリを生成することを目指している。 対照的なバイエンコーダモデルをトレーニングし、ストーリーを人間の批評と整合させ、汎用的な嗜好モデルを構築する。 我々はさらに、ストーリー生成の堅牢性を高めるために、プロンプトラーニング技術を用いて、対照的な報酬モデルを微調整する。
  論文  参考訳（メタデータ） (2022-10-14T13:21:33Z)
• Every picture tells a story: Image-grounded controllable stylistic story generation [39.468435527606985]
  本稿では,Platform-and-Play Story Teller (PPST)を導入し,画像からストーリー生成を改善する。 我々は,ノンスタイル,ロマンススタイル,アクションスタイルのPPSTアプローチを用いて,イメージ・ツー・ストーリー生成実験を行う。 その結果,PPSTはストーリーコヒーレンスを向上し,画像とストーリーの関連性も向上することがわかった。
  論文  参考訳（メタデータ） (2022-09-04T15:07:53Z)
• Persona-Guided Planning for Controlling the Protagonist's Persona in Story Generation [71.24817035071176]
  本研究では,ペルソナとイベントの関係を明示的にモデル化する計画ベース生成モデルCONPERを提案する。 自動評価と手動評価の両方の結果から、CONPERはより一貫性のあるペルソナ制御可能なストーリーを生成するために最先端のベースラインより優れていることが示されている。
  論文  参考訳（メタデータ） (2022-04-22T13:45:02Z)
• Stylized Story Generation with Style-Guided Planning [38.791298336259146]
  そこで本稿では,先行する文脈を条件として,新たなタスク,スタイル化されたストーリージェネレーション,すなわちスペクティフィドスタイルでストーリーを生成することを提案する。 我々のモデルは、ROCStoriesデータセットに基づいて、エモオプション駆動またはイベント駆動のストーリーを制御できる。
  論文  参考訳（メタデータ） (2021-05-18T15:55:38Z)
• Cue Me In: Content-Inducing Approaches to Interactive Story Generation [74.09575609958743]
  本研究では,対話型物語生成の課題に焦点をあてる。 本稿では、この追加情報を効果的に活用するための2つのコンテンツ誘導手法を提案する。 自動評価と人的評価の両方による実験結果から,これらの手法がよりトポロジ的な一貫性とパーソナライズされたストーリーを生み出すことが示された。
  論文  参考訳（メタデータ） (2020-10-20T00:36:15Z)
• 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)
• PlotMachines: Outline-Conditioned Generation with Dynamic Plot State Tracking [128.76063992147016]
  PlotMachinesは、動的プロット状態を追跡することによってアウトラインをコヒーレントなストーリーに変換することを学習する、ニューラルな物語モデルである。 さらに,PlotMachinesを高レベルな談話構造で強化し,モデルが物語の異なる部分に対応する筆記スタイルを学習できるようにした。
  論文  参考訳（メタデータ） (2020-04-30T17:16:31Z)

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。