論文の概要: Steering Emotional Dynamics for Art Therapy: Controllable Narrative Script Generation through Hierarchically Guided LLM Agents

• arxiv url: http://arxiv.org/abs/2606.16481v1
• Date: Mon, 15 Jun 2026 09:49:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.354889
• Title: Steering Emotional Dynamics for Art Therapy: Controllable Narrative Script Generation through Hierarchically Guided LLM Agents
• Title（参考訳）: アートセラピーのためのステアリング感情ダイナミクス:階層的LLMエージェントによる制御可能なナラティブスクリプト生成
• Authors: Suqing Wang, Qinghai Miao, Chao Guo, Yisheng Lv,
• Abstract要約: アートセラピーは感情的治癒において重要な役割を担い、物語の創造が感情的表現の第一の手段として機能する。 LLM(Large Language Models)の急速な発展に伴い、自動物語生成技術は、そのような芸術的デザインをサポートするための新しい経路を提供してきた。 本稿では,感情回復のための物語生成における感情軌跡の階層的制御を可能にするエージェントベースのフレームワークであるEC-Scriptを提案する。
• 参考スコア（独自算出の注目度）: 15.997100974367195
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Art therapy plays a vital role in emotional healing, in which narrative creation acts as the primary vehicle for emotional expression. Given the inherently dynamic nature of emotions during healing, narratives with finely controlled emotional fluctuations enable individuals to safely project inner conflicts and achieve emotional catharsis. Recently, with the rapid development of Large Language Models (LLMs), automated narrative generation technology has provided a new pathway to support such artistic designs. However, while existing methods can produce fluent texts, they struggle to generate narratives that adhere to specified affective trajectories, failing to meet the demands of emotion-oriented psychological healing. To address these issues, this paper proposes EC-Script, an LLM agent-based framework that enables hierarchical control of the affective trajectory in narrative generation for emotional healing. To ensure that the generated narratives strictly follow the given emotional patterns, EC-Script establishes overall narrative direction through Emotion-Trajectory Planning, propels scene-level plot development with Character-Driven Scene Generation, and regulates local emotional changes of characters via Emotion-Controlled Script Writing. Ultimately, it outputs scene-by-scene script content that remains highly consistent with the preset affective trajectory. Experimental results demonstrate that EC-Script significantly outperforms baseline methods in affective trajectory adherence, exhibiting excellent and reliable emotional controllability, thereby providing effective technical support for AI-assisted emotional healing scenarios.
• Abstract（参考訳）: アートセラピーは感情的治癒において重要な役割を担い、物語の創造が感情的表現の第一の手段として機能する。 治癒中の感情の本質的にダイナミックな性質を考えると、微妙に制御された感情変動を伴う物語は、個人が内部の対立を安全に投影し、感情的因果関係を達成できる。 近年,Large Language Models (LLMs) の急速な発展に伴い,自動物語生成技術は,そのような芸術的デザインを支援する新たな経路を提供するようになった。 しかし、既存の方法では、流動的な文章を作成できるが、感情指向の心理的癒しの要求を満たすことができず、特定の感情的軌跡に固執する物語を生成するのに苦労している。 これらの課題に対処するために,心的癒しのための物語生成における情緒的軌跡の階層的制御を可能にする LLM エージェントベースのフレームワーク EC-Script を提案する。 生成した物語が与えられた感情パターンに厳密に従うようにするために、EC-Scriptは感情-軌道計画を通じて全体的物語の方向性を確立し、キャラクター駆動のシーン生成によるシーンレベルのプロット開発を促進し、感情-制御されたスクリプト記述を通じてキャラクターの局所的な感情変化を規制する。 最終的に、プリセットされた感情的軌跡と高度に一致したシーン・バイ・シーンのスクリプトコンテンツを出力する。 実験結果から,EC-Scriptは情緒的トラジェクティブの定着においてベースライン法を著しく上回り,優れた,信頼性の高い情緒的制御性を示し,AIによる感情的癒しのシナリオに対する効果的な技術支援を提供することが示された。

関連論文リスト

• EmoStory: Emotion-Aware Story Generation [8.859038452064818]
  本稿では,感情を意識したストーリー生成について紹介する。 EmoStoryはエージェントベースのストーリープランニングと地域対応ストーリー生成を統合した2段階のフレームワークである。 EmoStoryを25の被験者と600の感情的ストーリーを対象とした新たに構築したデータセットで評価した。
  論文  参考訳（メタデータ） (2026-03-11T02:44:25Z)
• Text-Driven Emotionally Continuous Talking Face Generation [24.062908127306695]
  実写映像を合成するために,情緒的連続発話顔生成(EC-TFG)を提案する。 EC-TFGは、テキストセグメントと様々な感情を駆動データとして記述し、その人がテキストを話すビデオを生成する。 本稿では,動的感情変動を革新的に管理する,時間集中型感情変調顔生成(TIE-TFG)のカスタマイズモデルを提案する。
  論文  参考訳（メタデータ） (2026-03-06T09:24:43Z)
• EmoCAST: Emotional Talking Portrait via Emotive Text Description [56.42674612728354]
  EmoCASTは、正確なテキスト駆動感情合成のための拡散ベースのフレームワークである。 外観モデリングでは、感情的なプロンプトはテキスト誘導の分離された感情的モジュールを通して統合される。 EmoCASTは、現実的で感情的に表現され、音声同期されたトーキーヘッドビデオを生成する、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-08-28T10:02:06Z)
• Prompt-Unseen-Emotion: Zero-shot Expressive Speech Synthesis with Prompt-LLM Contextual Knowledge for Mixed Emotions [38.122477830163255]
  本稿では,感情誘導型プロンプト学習による未知の感情音声を生成するための,新しいプロンプト・アンザイム・感情(PUE)アプローチを提案する。 提案したPUEは、ゼロショット設定における未知の感情の表現的音声合成に成功している。
  論文  参考訳（メタデータ） (2025-06-03T10:59:22Z)
• Disentangle Identity, Cooperate Emotion: Correlation-Aware Emotional Talking Portrait Generation [63.94836524433559]
  DICE-Talkは、感情と同一性を切り離し、類似した特徴を持つ感情を協調するフレームワークである。 我々は、モーダル・アテンションを通して、音声と視覚の感情の手がかりを共同でモデル化するアンタングル型感情埋め込み装置を開発した。 次に,学習可能な感情バンクを用いた相関強化感情調和モジュールを提案する。 第3に、拡散過程における感情の一貫性を強制する感情識別目標を設計する。
  論文  参考訳（メタデータ） (2025-04-25T05:28:21Z)
• Dual-path Collaborative Generation Network for Emotional Video Captioning [33.230028098522254]
  感情的ビデオキャプション(Emotional Video Captioning)は、ビデオで表現される本質的な感情で事実的コンテンツを記述することを目的とした、新たなタスクである。 既存の感情的ビデオキャプション手法は、最初は世界的視覚的感情的手がかりを認識し、ビデオ機能と組み合わせて感情的キャプション生成を導く。 本稿では、感情的なキャプションを生成しながら、動的に視覚的な感情的手がかりを知覚するデュアルパス協調生成ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-08-06T07:30:53Z)
• ECR-Chain: Advancing Generative Language Models to Better Emotion-Cause Reasoners through Reasoning Chains [61.50113532215864]
  CEE(Causal Emotion Entailment)は、ターゲット発話で表現される感情を刺激する会話における因果発話を特定することを目的としている。 CEEにおける現在の研究は、主に会話のセマンティックな相互作用と感情的な相互作用をモデル化することに焦点を当てている。 本研究では,会話中の感情表現から刺激を推測するために,ステップバイステップの推論手法である感情・因果関係(ECR-Chain)を導入する。
  論文  参考訳（メタデータ） (2024-05-17T15:45:08Z)
• Enhancing Emotional Generation Capability of Large Language Models via Emotional Chain-of-Thought [50.13429055093534]
  大規模言語モデル(LLM)は様々な感情認識タスクにおいて顕著な性能を示した。 本研究では,感情生成タスクにおけるLLMの性能を高めるための感情連鎖(ECoT)を提案する。
  論文  参考訳（メタデータ） (2024-01-12T16:42:10Z)

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。