論文の概要: Narrative Keyframing for Generative Creative Writing

• arxiv url: http://arxiv.org/abs/2608.10337v1
• Date: Tue, 11 Aug 2026 00:41:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:45.854578
• Title: Narrative Keyframing for Generative Creative Writing
• Title（参考訳）: 創造的創造的執筆のためのナラティブ・キーフレーミング
• Abstract要約: ナラティブ・キーフレーミング(英: Narrative keyframing)は、著者がストーリーの中から選択した瞬間に異なるタイプの物語的制約を指定し、AIを使って間欠的な散文を生成する。 アニメーションにおけるキーフレーミングの使用に触発されて、物語のキーフレーミングは、計画と生成されたテキストの適応制御を結びつける柔軟な方法を提供する。 物語のキーフレーミングは、創造的執筆において生成的AIを使用するための、より制御可能で透明で魅力的な方法をサポートすることを示す。
• 参考スコア（独自算出の注目度）: 13.012154147575876
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce narrative keyframing, an interaction technique for AI-assisted creative writing that lets writers specify different types of narrative constraints at selected moments in a story, then use AI to generate intervening prose. Inspired by the use of keyframing in animation, narrative keyframing offers a flexible way to connect story planning with adaptive control over generated text. We explore three types of keyframes: plot keyframes define significant events in a story, character keyframes represent how individual characters change over the narrative, and perspective keyframes capture how individual characters experience different events through first-person narratives. Plot and character keyframes offer a flexible way to adapt the type of high-level conditioning explored in previous AI writing tools to more customizable, iterative, and fine-scale control, while perspective keyframes add a new way to control characterization and focalization by using first-person narratives as an intermediary. Through a user study, we show that narrative keyframing supports a more controllable, transparent, and engaging way to use generative AI in creative writing.
• Abstract（参考訳）: 我々は、AI支援による創造的執筆のためのインタラクション技術である物語キーフレーミングを導入し、ストーリーの選択された瞬間に異なるタイプの物語の制約を記述し、AIを使用して間在する散文を生成する。 アニメーションにおけるキーフレーミングの使用に触発されて、物語のキーフレーミングは、ストーリープランニングと生成されたテキストを適応的に制御する柔軟な方法を提供する。 プロットキーフレームはストーリーにおける重要なイベントを定義し、キャラクタキーフレームは物語上で個々のキャラクタがどのように変化するかを表現し、パースペクティブキーフレームは、一人称の物語を通して個々のキャラクタが異なるイベントを体験する方法をキャプチャする。 プロットとキャラクタのキーフレームは、以前のAI記述ツールで探索されたハイレベルなコンディショニングのタイプを、よりカスタマイズ可能で反復的できめ細かな制御に適応するフレキシブルな方法を提供する。 ユーザスタディを通じて、物語のキーフレーミングは、創造的執筆に生成的AIを使用するための、より制御可能で透明で魅力的な方法をサポートすることを示す。

関連論文リスト

• Customized Visual Storytelling with Unified Multimodal LLMs [19.106229466343787]
  VstoryGenは、記述と文字と背景参照を統合して、カスタマイズ可能なストーリー生成を可能にするフレームワークである。 映像データに対してパラメータ効率のよいプロンプトチューニングによるショット型制御を導入し,映像文法をより忠実に反映したシーケンスを生成する。
  論文  参考訳（メタデータ） (2026-03-29T13:24:51Z)
• TaleDiffusion: Multi-Character Story Generation with Dialogue Rendering [13.076013597876623]
  TaleDiffusionは、反復的なプロセスで複数文字のストーリーを生成するための新しいフレームワークである。 ストーリーが与えられたら、プレトレーニングされたLLMを使用して、フレームごとの記述、文字の詳細、対話を生成します。 次に、フレーム間の文字の整合性を確保するためのアイデンティティ一貫性を持つ自己認識機構と、正確なオブジェクト配置のための領域認識相互アテンションを適用した。
  論文  参考訳（メタデータ） (2025-09-04T11:37:06Z)
• Action2Dialogue: Generating Character-Centric Narratives from Scene-Level Prompts [20.606497274927367]
  本稿では,アクションレベルのプロンプトを視覚的,聴覚的に基礎付けられた物語対話に変換するモジュールパイプラインを提案する。 提案手法はシーン毎に一対のプロンプトを入力し,第1に設定を定義し,第2にキャラクタの動作を指定する。 我々は、各発話を表現的、文字条件付き音声として表現し、その結果、完全に音声化されたマルチモーダルなビデオ物語を生み出す。
  論文  参考訳（メタデータ） (2025-05-22T15:54:42Z)
• MoCha: Towards Movie-Grade Talking Character Synthesis [62.007000023747445]
  本研究では,音声とテキストから直接話し言葉のアニメーションを生成するための,より現実的なタスクであるトーキングキャラクタを紹介する。 トーキング・キャラクタとは違い、トーキング・キャラクタは顔領域を超えて1つ以上のキャラクターの完全な肖像画を作成することを目的としている。 そこで本研究では,まず,話し言葉を生成するMoChaを提案する。
  論文  参考訳（メタデータ） (2025-03-30T04:22:09Z)
• 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)
• NarrativePlay: Interactive Narrative Understanding [27.440721435864194]
  本研究では,ユーザが架空のキャラクターをロールプレイし,没入感のある環境で他のキャラクターと対話できる新しいシステムであるNarrativePlayを紹介する。 我々はLarge Language Models(LLMs)を利用して、物語から抽出された性格特性によって導かれる人間的な応答を生成する。 ナラティブプレイは2種類の物語、探偵と冒険の物語で評価されており、ユーザーは世界を探索したり、会話を通じて物語のキャラクターと親しみやすくしたりすることができる。
  論文  参考訳（メタデータ） (2023-10-02T13:24:00Z)
• Text-Only Training for Visual Storytelling [107.19873669536523]
  視覚条件付きストーリー生成問題として視覚的ストーリーテリングを定式化する。 本稿では,モダリティ間のアライメントとストーリー生成の学習を分離するテキストのみのトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2023-08-17T09:32:17Z)
• ViNTER: Image Narrative Generation with Emotion-Arc-Aware Transformer [59.05857591535986]
  様々な感情を「感情弧」として表現する時系列に焦点をあてた画像物語を生成するモデルViNTERを提案する。 手動評価と自動評価の両方の実験結果を示す。
  論文  参考訳（メタデータ） (2022-02-15T10:53:08Z)
• 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)
• 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。