論文の概要: STORYTELLER: An Enhanced Plot-Planning Framework for Coherent and Cohesive Story Generation

• arxiv url: http://arxiv.org/abs/2506.02347v1
• Date: Tue, 03 Jun 2025 00:54:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:35.183924
• Title: STORYTELLER: An Enhanced Plot-Planning Framework for Coherent and Cohesive Story Generation
• Title（参考訳）: STORYTELLER: コヒーレントでコヒーシブなストーリー生成のためのPlot-Planningフレームワーク
• Authors: Jiaming Li, Yukun Chen, Ziqiang Liu, Minghuan Tan, Lei Zhang, Yunshui Li, Run Luo, Longze Chen, Jing Luo, Ahmadreza Argha, Hamid Alinejad-Rokny, Wei Zhou, Min Yang,
• Abstract要約: 自動生成されたストーリーの一貫性と一貫性を体系的に改善する新しいアプローチであるStorytellerを紹介します。 実験では、ストーリーテラーは既存のアプローチを大きく上回り、平均勝利率は84.33%に達した。 同時に、創造性、一貫性、エンゲージメント、関連性など、他の面でもはるかに先を行っている。
• 参考スコア（独自算出の注目度）: 17.553025200797986
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Stories are central to human culture, serving to share ideas, preserve traditions, and foster connections. Automatic story generation, a key advancement in artificial intelligence (AI), offers new possibilities for creating personalized content, exploring creative ideas, and enhancing interactive experiences. However, existing methods struggle to maintain narrative coherence and logical consistency. This disconnect compromises the overall storytelling experience, underscoring the need for substantial improvements. Inspired by human cognitive processes, we introduce Storyteller, a novel approach that systemically improves the coherence and consistency of automatically generated stories. Storyteller introduces a plot node structure based on linguistically grounded subject verb object (SVO) triplets, which capture essential story events and ensure a consistent logical flow. Unlike previous methods, Storyteller integrates two dynamic modules, the STORYLINE and narrative entity knowledge graph (NEKG),that continuously interact with the story generation process. This integration produces structurally sound, cohesive and immersive narratives. Extensive experiments demonstrate that Storyteller significantly outperforms existing approaches, achieving an 84.33% average win rate through human preference evaluation. At the same time, it is also far ahead in other aspects including creativity, coherence, engagement, and relevance.
• Abstract（参考訳）: 物語は人間の文化の中心であり、アイデアを共有し、伝統を守り、つながりを育むのに役立つ。 人工知能(AI)の重要な進歩である自動ストーリ生成は、パーソナライズされたコンテンツを作成し、創造的なアイデアを探求し、インタラクティブな体験を強化する新しい可能性を提供する。 しかし、既存の手法は物語の一貫性と論理的一貫性を維持するのに苦労している。 この断絶はストーリーテリング全体の経験を損なうもので、大幅な改善の必要性を浮き彫りにしている。 人間の認知プロセスに触発されて、自動生成されたストーリーの一貫性と一貫性を体系的に改善する新しいアプローチであるStorytellerを導入する。 Storytellerは、言語的に基底付けられた主語動詞オブジェクト(SVO)三脚に基づくプロットノード構造を導入し、本質的なストーリーイベントをキャプチャし、一貫した論理フローを保証する。 以前の方法とは異なり、ストーリーテラーは2つの動的モジュール、STORYLINEと物語エンティティ知識グラフ(NEKG)を統合し、ストーリー生成プロセスと継続的に相互作用する。 この統合は構造的に健全で結束的で没入的な物語を生み出す。 大規模な実験により、ストーリーテラーは既存のアプローチを著しく上回り、人間の嗜好評価によって平均勝利率84.33%を達成した。 同時に、創造性、一貫性、エンゲージメント、関連性など、他の面でもはるかに先を行っている。

関連論文リスト

• STORYANCHORS: Generating Consistent Multi-Scene Story Frames for Long-Form Narratives [82.19488717416351]
  本稿では,高品質でマルチシーンなストーリーフレームを生成するための統合フレームワークであるStoryAnchorsを紹介する。 StoryAnchorsは、時間的一貫性を確保するために、過去と将来の両方のコンテキストを統合する双方向のストーリージェネレータを使用している。 また、マルチイベントストーリーフレームラベリングとプログレッシブストーリーフレームトレーニングを統合し、モデルが包括的な物語の流れとイベントレベルのダイナミクスの両方をキャプチャできるようにする。
  論文  参考訳（メタデータ） (2025-05-13T08:48:10Z)
• A Character-Centric Creative Story Generation via Imagination [15.345466372805516]
  我々はCCI(Character-centric Creative Story Generation via Imagination)と呼ばれる新しいストーリー生成フレームワークを紹介する。 CCIは創造的ストーリー生成のための2つのモジュール、IG(Image-Guided Imagination)とMW(Multi-Writer model)を備えている。 IGモジュールでは,文字や背景,メインプロットといった重要なストーリー要素を視覚的に表現するために,テキスト・ツー・イメージモデルを利用する。 MWモジュールはこれらのストーリー要素を使用して複数のペルソナ記述候補を生成し、ストーリーに挿入する最適なストーリーを選択することにより、物語の豊かさと深さを高める。
  論文  参考訳（メタデータ） (2024-09-25T06:54:29Z)
• 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)
• ContextualStory: Consistent Visual Storytelling with Spatially-Enhanced and Storyline Context [50.572907418430155]
  ContextualStoryは、コヒーレントなストーリーフレームを生成し、ビジュアルなストーリーテリングのためにフレームを拡張するように設計されたフレームワークである。 ストーリーライン埋め込みにおけるコンテキストを豊かにするストーリーラインコンテクストアライザと、フレーム間のシーン変化を測定するストーリーフローアダプタを導入する。 PororoSVとFlintstonesSVデータセットの実験では、ContextualStoryはストーリーの可視化と継続の両方で既存のSOTAメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-07-13T05:02:42Z)
• Plot and Rework: Modeling Storylines for Visual Storytelling [12.353812582863837]
  本稿では,入力画像シーケンスをストーリーグラフとして表現するフレームワークであるPR-VISTについて紹介する。 PR-VISTは反復的なトレーニングプロセスを通じて最終ストーリーを生成することを学ぶ。 アブレーション研究は、プロットとリワークの両方がモデルの優位性に貢献していることを示している。
  論文  参考訳（メタデータ） (2021-05-14T16:41:29Z)
• 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)
• Collaborative Storytelling with Large-scale Neural Language Models [6.0794985566317425]
  我々は、人工知能エージェントと人が協力して、交代で追加することでユニークなストーリーを作るという、協調的なストーリーテリングのタスクを紹介します。 本稿では,人間ストーリーテラーと協調して物語を創り出す共同ストーリーテリングシステムについて述べる。
  論文  参考訳（メタデータ） (2020-11-20T04:36:54Z)
• 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)

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。