論文の概要: What Gets Lost When Memory Becomes Media? Evaluating AI-Generated Oral History Visualization

• arxiv url: http://arxiv.org/abs/2607.24756v1
• Date: Tue, 26 May 2026 10:15:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-02 22:55:39.038221
• Title: What Gets Lost When Memory Becomes Media? Evaluating AI-Generated Oral History Visualization
• Title（参考訳）: 記憶がメディアになるとき、失うものは何か?AIによる口頭歴史の可視化評価
• Abstract要約: ダイアスポラ・オーラル・ヒストリーの面接には二重の変換が必要であり、初対人から第三者の場面への回想、過去の時間と場所へのインタビュー室を提示する。 オーラルヒストリー理論から成功条件を導き,3つの障害モードを中心とした15のメトリクスを設計し,マルチエージェントのシーン分解パイプラインと単一要約パイプラインを比較した。 本稿では,障害モードに基づく評価フレームワーク,競合条件の実証分析,および物語構造強度に基づくシステム選択のためのルーティングプロトコルを提案する。
• 参考スコア（独自算出の注目度）: 0.6415719250324121
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: What gets lost when memory becomes media? Diaspora oral-history interviews require a double transformation; first-person recollection to third-person scene, present interview room to past time and place. When generative AI performs this transformation, no agreed criteria for success exist. We derive success conditions from oral-history theory, design 15 metrics around three failure modes, and compare a Multi-Agent Scene-decomposition pipeline (MAS) with a Single Summarization Pipeline (SSP) across 82 interviews from diaspora communities, spanning from oral interviews to 6-image sequences. Scene-planning and narrative preservation conflict in the majority of cases, and the narrative-structure strength of the source testimony is the primary predictor of this conflict. We propose a failure-mode-based evaluation framework, an empirical analysis of conflict conditions, and a routing protocol for system selection based on narrative-structure strength.
• Abstract（参考訳）: 記憶がメディアになると何を失うのか? ダイアスポラ・オーラル・ヒストリーの面接には二重の変換が必要であり、初対人から第三者の場面への回想、過去の時間と場所へのインタビュー室を提示する。 生成的AIがこの変換を行う場合、成功のための合意された基準は存在しない。 オーラルヒストリー理論から成功条件を導き,3つの障害モードを中心とした15のメトリクスを設計し,マルチエージェントシーン分解パイプライン(MAS)と単一要約パイプライン(SSP)を比較した。 シナリオプランニングと物語保存の対立は、ほとんどのケースで発生源の証言の物語構造的強みが、この対立の第一の予測要因である。 本稿では,障害モードに基づく評価フレームワーク,競合条件の実証分析,および物語構造強度に基づくシステム選択のためのルーティングプロトコルを提案する。

関連論文リスト

• Tri-PvP: Exposing Modality Bias in Omni-Modal Large Language Models through Perceptual-Propositional Evidence Conflicts [49.97842835825998]
  既存のベンチマークでは、知覚信号と命題信号の2つの形態の証拠が記述されている。 本稿では,視覚,音声,テキストを交叉するベンチマークであるTri-PvPを紹介する。 多くのモデルとエビデンス型条件で頑健な視覚バイアスが見つかり、重要なことはエビデンス型バイアスの系統的な非対称性を明らかにすることである。
  論文  参考訳（メタデータ） (2026-09-05T10:33:58Z)
• PersonaShot: Benchmarking Person-Centric Narrative Continuity in Multi-Shot Video Generation [118.49150310327475]
  PersonaShotは、マルチショットビデオ生成における物語の連続性に関する最初の人中心のベンチマークである。 約1,000のマルチショットセグメントと16のメトリクスがあり、物理的連続性、感情力学、映画文法にまたがっている。
  論文  参考訳（メタデータ） (2026-08-17T15:34:54Z)
• Metadata-Aware Multi-Prompt Reasoning for Zero-Shot Accident Understanding [9.094828055298166]
  事故をいつ,何,どこで理解するかを分解する3段階パイプラインを提案する。 ゼロショット映像理解を時間的局所化,意味分類,空間的グラウンド化に分解することで,より信頼性の高い推論が可能になることを示す。
  論文  参考訳（メタデータ） (2026-06-10T13:12:40Z)
• The Shape of Testimony: A Scalable Framework for Oral History Archive Comparison [2.12833538322985]
  ホロコースト研究の研究者は、しばしば2種類のオーラルサバイバルの証言を区別している。 USCショア財団のインタヴューは構造化されたインタヴューターによる形式を踏襲する傾向にあり、イェール・フォーチュノフ・ビデオ・アーカイブはより自由でオープンなスタイルを好んでいる。 本研究は,両コレクションから1,600以上の証言を大規模に解析することにより,その主張を批判的に検証する。
  論文  参考訳（メタデータ） (2026-05-20T18:36:33Z)
• MuSS: A Large-Scale Dataset and Cinematic Narrative Benchmark for Multi-Shot Subject-to-Video Generation [17.275771056805556]
  MuSSは、マルチショットビデオとS2V生成に適した、大規模なデュアルトラックデータセットである。 3000本以上の映画から引用された MuSS は、複雑なモンタージュ遷移と主観的な物語の両方を明示的にサポートしている。 本稿では,視覚的なACPlogic中心のパラダイムと,新しいアンチコピー・ペースト変動尺度を特徴とするCinematic Narrative Benchmarkを提案する。
  論文  参考訳（メタデータ） (2026-04-26T16:28:46Z)
• Rashomon Memory: Towards Argumentation-Driven Retrieval for Multi-Perspective Agent Memory [0.0]
  Rashomon Memoryは、並列目標条件のエージェントが優先順位に従ってエクスペリエンスをエンコードし、議論を通じてクエリ時に交渉するアーキテクチャである。 攻撃グラフのトポロジから検索モードが出現し、システムが解決を強制するのではなく、真に不一致を報告しているコンフリクト表面モードにより、意思決定者は、根底にある解釈的コンフリクトを直接見ることができることを示す。
  論文  参考訳（メタデータ） (2026-04-04T04:29:50Z)
• NOAH: Benchmarking Narrative Prior driven Hallucination and Omission in Video Large Language Models [8.6767620170781]
  ビデオ大言語モデル(ビデオLLM)は、最近、キャプション、要約、質問応答といったタスクにおいて、強力なパフォーマンスを実現している。 多くのモデルやトレーニング手法は、物語の一貫性を高めるためにイベント間の連続性を明示的に奨励する。 我々は、このバイアスを、物語を先に呼ぶ2つの誤りの鍵となる要因として挙げる:幻覚(幻覚)、非存在事象、または既存の事象が誤って解釈される場合、そして、事実事象が周囲の状況と不一致しているため抑制される場合である。
  論文  参考訳（メタデータ） (2025-11-09T17:41:11Z)
• Double Mixture: Towards Continual Event Detection from Speech [60.33088725100812]
  音声イベント検出は、セマンティックイベントと音響イベントの両方のタグ付けを含むマルチメディア検索に不可欠である。 本稿では, 音声イベント検出における主な課題として, 過去の出来事を忘れることなく新たな事象を連続的に統合すること, 音響イベントからの意味のゆがみについて述べる。 本稿では,適応性を向上し,忘れることを防止するために,音声の専門知識と堅牢な記憶機構を融合する新しい手法「ダブルミキチャー」を提案する。
  論文  参考訳（メタデータ） (2024-04-20T06:32:00Z)
• Smoothing Dialogue States for Open Conversational Machine Reading [70.83783364292438]
  本稿では,2つの対話状態を1つのデコーダとブリッジ決定と質問生成でスムーズにすることで,効果的なゲーティング戦略を提案する。 OR-ShARCデータセットを用いた実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-08-28T08:04:28Z)
• Probing Task-Oriented Dialogue Representation from Language Models [106.02947285212132]
  本稿では,タスク指向対話タスクにおいて,どのモデルが本質的に最も有意義な表現を担っているかを明らかにするために,事前学習された言語モデルについて検討する。 我々は、アノテートラベルを教師付き方法で固定された事前学習言語モデルの上に、分類器プローブとしてフィードフォワード層を微調整する。
  論文  参考訳（メタデータ） (2020-10-26T21:34:39Z)
• Ranking Enhanced Dialogue Generation [77.8321855074999]
  対話履歴を効果的に活用する方法は、マルチターン対話生成において重要な問題である。 これまでの研究は通常、歴史をモデル化するために様々なニューラルネットワークアーキテクチャを使用していた。 本稿では,ランキング拡張対話生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-13T01:49:56Z)
• Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term Importance Estimation and Neural Query Rewriting [56.268862325167575]
  マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。 本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。 前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。 後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
  論文  参考訳（メタデータ） (2020-05-05T14:30:20Z)

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。