論文の概要: Multigenre AI-powered Story Composition

• arxiv url: http://arxiv.org/abs/2405.06685v1
• Date: Mon, 6 May 2024 12:54:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-19 13:49:26.434906
• Title: Multigenre AI-powered Story Composition
• Title（参考訳）: マルチジャンルAIによるストーリー構成
• Authors: Edirlei Soares de Lima, Margot M. E. Neggers, Antonio L. Furtado,
• Abstract要約: コメディ、ロマンス、悲劇、風刺、ミステリーという5つの基本的なジャンルの存在を論じる。 パターンを構成するには、まずジャンルの特徴と一致する例を検索し、次に例のグループに最も具体的な一般化の形式を適用する。 どちらの段階でも、AIエージェントは道具であり、私たちのPatternTellerプロトタイプはストーリーコンポジションプロセスを操作するために呼び出されます。
• 参考スコア（独自算出の注目度）: 0.27309692684728604
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper shows how to construct genre patterns, whose purpose is to guide interactive story composition in a way that enforces thematic consistency. To start the discussion we argue, based on previous seminal works, for the existence of five fundamental genres, namely comedy, romance - in the sense of epic plots, flourishing since the twelfth century -, tragedy, satire, and mystery. To construct the patterns, a simple two-phase process is employed: first retrieving examples that match our genre characterizations, and then applying a form of most specific generalization to the groups of examples in order to find their commonalities. In both phases, AI agents are instrumental, with our PatternTeller prototype being called to operate the story composition process, offering the opportunity to generate stories from a given premise of the user, to be developed under the guidance of the chosen pattern and trying to accommodate the user's suggestions along the composition stages.
• Abstract（参考訳）: 本稿では,対話型ストーリーコンポジションを主題的整合性を実現する方法として,ジャンルパターンの構築方法を示す。 議論を始めるために、我々は、以前の叙事詩作品に基づいて、喜劇、ロマンスという5つの基本的なジャンル、すなわち叙事詩のプロットの意味において、悲劇、風刺、ミステリーの存在について論じる。 パターンを構成するには、まずジャンルの特徴にマッチする例を検索し、次にそれらの共通点を見つけるために例のグループに最も具体的な一般化の形式を適用する。 どちらのフェーズにおいても、AIエージェントは有効であり、私たちのPatternTellerプロトタイプはストーリーコンポジションプロセスを操作するために呼び出され、ユーザの所定の前提からストーリーを生成する機会を提供し、選択されたパターンのガイダンスの下で開発され、コンポジションステージに沿ってユーザの提案を適合させようとする。

関連論文リスト

• Agents' Room: Narrative Generation through Multi-step Collaboration [54.98886593802834]
  本稿では,物語の執筆を特殊エージェントが取り組んだサブタスクに分解する,物語理論に触発された世代フレームワークを提案する。 エージェントの部屋は,専門的評価者が好むストーリーをベースラインシステムより生成することを示す。
  論文  参考訳（メタデータ） (2024-10-03T15:44:42Z)
• 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)
• Returning to the Start: Generating Narratives with Related Endpoints [27.61802620856587]
  本稿では,物語生成パラダイムであるRENarGenを提案する。 私たちのコントリビューションには、ナラトロジーからの様々な予約方法がストーリーの言語モデリングにどのように影響するかの最初の調査が含まれている。
  論文  参考訳（メタデータ） (2024-03-31T23:48:50Z)
• 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)
• Inferring the Reader: Guiding Automated Story Generation with Commonsense Reasoning [12.264880519328353]
  生成プロセスにコモンセンス推論を導入するフレームワークであるCommonsense-inference Augmented Neural StoryTelling (CAST)を紹介する。 我々のCAST手法は,既存のモデルよりも,一文字と二文字の両方で,一貫性があり,オントピー的,楽しむことができる。
  論文  参考訳（メタデータ） (2021-05-04T06:40:33Z)
• 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)
• Narrative Interpolation for Generating and Understanding Stories [52.463747140762145]
  そこで本研究では,ユーザが特定した目的語を含むコヒーレントな物語を生成するために,モデルをガイドできる物語・物語生成制御手法を提案する。 本手法の中核はGPT-2に基づく漸進的モデルであり,前文と次文を物語の中で条件付けし,そのギャップを埋める。 終末誘導世代は、与えられた終末ガイドに忠実で忠実であり、過去のアプローチよりも手作業の少ない物語を生み出すことを示す。
  論文  参考訳（メタデータ） (2020-08-17T16:45:50Z)
• 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。