論文の概要: CogenPVG: Cognitive-Enhanced Reflective Multi-Agent Framework for Persuasive Video Generation
- arxiv url: http://arxiv.org/abs/2609.25821v1
- Date: Tue, 22 Sep 2026 07:48:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:04.275813
- Title: CogenPVG: Cognitive-Enhanced Reflective Multi-Agent Framework for Persuasive Video Generation
- Title（参考訳）: CogenPVG: 説得型ビデオ生成のための認知機能強化型反射型マルチエージェントフレームワーク
- Abstract要約: CogenPVGは、Persuasive Video Generationタスク用に設計された、認知強化型反射型マルチエージェントフレームワークである。
高い説得性を確保するため、各ステージは1対のジェネレータと批評家エージェントを備える。
私たちの知る限りでは、CogenPVGは商業目的に限らず、一般的な説得的なトピックに焦点を絞った最初の作品です。
- 参考スコア（独自算出の注目度）: 20.670725056815098
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Persuasive video generation (PVG) is a valuable yet under-explored research topic. Despite the significant advances in multimodal content generation, AI-empowered automated creation of human-made-like videos with substantial persuasiveness remains a formidable challenge. In this paper, we propose CogenPVG, a novel Cognitive-Enhanced reflective multi-agent framework tailored for Persuasive Video Generation task. Given the topic and stance from the user, we decouple the sophisticated generation process into four sequential stages: argument reasoning, storyboard planning, asset creation, and post-editing, imitating the workflow of human video producers. To ensure high persuasiveness, each stage is equipped with a pair of generator and critic agents, following a reflective refinement scheme grounded in a solid psychological theory of persuasion, the Elaboration Likelihood Model (ELM). In the argument reasoning stage, we generate highly logical and credible reasoning thoughts under the guidance of critical thinking theory, enabling cognitive enhancement via the central route of the ELM. For the other three stages, we generate and optimize multimodal assets, assembling them into a persuasive video guided by theories of heuristics, as the peripheral route of the ELM. To the best of our knowledge, CogenPVG is the first work focused on general persuasive topics, without being confined to commercial purposes. Extensive experiments and comprehensive analysis demonstrate that our framework achieves the best persuasion performance, thereby proving the effectiveness of our proposed multi-agent framework for the PVG task.
- Abstract（参考訳）: PVG(Persuasive Video Generation)は、未調査の研究トピックである。
マルチモーダルなコンテンツ生成の大幅な進歩にもかかわらず、AIを活用した人間製ライクなビデオの自動作成は、依然として恐ろしい課題だ。
本稿では,説得ビデオ生成タスクに適した認知機能強化型マルチエージェントフレームワークであるCogenPVGを提案する。
ユーザからトピックやスタンスを考慮し、洗練された生成プロセスを、議論推論、ストーリーボード計画、アセット作成、後編集の4段階に分割し、人間のビデオ制作者のワークフローを模倣する。
高い説得性を確保するため、各ステージは、一対のジェネレータと批評家エージェントを備えており、説得の堅固な心理学的理論であるELM(Elaboration Likelihood Model)に根ざした反射的洗練スキームに従っている。
議論推論の段階では、批判的思考理論の指導の下で、高度に論理的で信頼性の高い推論思考を生成し、EMMの中心経路を介して認知的増強を可能にする。
残りの3つの段階において、我々はマルチモーダル資産を生成、最適化し、それらをヒューリスティック理論で導かれる説得力のあるビデオに組み立て、EMMの周辺ルートとして配置する。
私たちの知る限りでは、CogenPVGは商業目的に限らず、一般的な説得的なトピックに焦点を絞った最初の作品です。
大規模な実験と包括的分析により,我々のフレームワークが最高の説得性能を達成し,PVGタスクに対する提案したマルチエージェントフレームワークの有効性が証明された。
関連論文リスト
- DVAR: Adversarial Multi-Agent Debate for Video Authenticity Detection [32.91820764165758]
本稿では,ビデオ検出を構造化されたマルチエージェント法定推論プロセスとして再構成する学習自由フレームワークを提案する。
我々はオッカムの『ラザー』を用いて説明コストを定義し、各推論経路の「論理的負担」を定量化する。
我々は、生成境界と障害モードに関する高レベルな推論を提供する動的知識リポジトリであるGenVideoKBを統合する。
論文 参考訳（メタデータ） (2026-04-18T13:22:42Z) - Collaborative Multi-Agent Scripts Generation for Enhancing Imperfect-Information Reasoning in Murder Mystery Games [57.64247186502836]
視覚言語モデル(VLM)は知覚タスクにおいて印象的な能力を示してきたが、マルチプレイヤーゲーム設定下で複雑なマルチホップ推論では劣化している。
本稿では,異なる意図を持つ役割によって提供される部分的手がかりに基づいて,隠れた真実を推論する必要がある,代表的マルチプレイヤータスクであるMurder Mystery Gamesについて検討する。
高品質なロール駆動型マルチプレイヤーゲームスクリプトの評価と合成のための協調型マルチエージェントフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-13T17:16:23Z) - OPTAGENT: Optimizing Multi-Agent LLM Interactions Through Verbal Reinforcement Learning for Enhanced Reasoning [14.105640933123325]
大規模言語モデル(LLM)は、数学的および科学的タスクにおいて顕著な推論能力を示している。
複雑な推論を強化するため、LLMエージェントの集合的知性を活用するためにマルチエージェントシステムが提案されている。
複数エージェントの協調構造を動的に構築・洗練する多エージェント言語強化学習アルゴリズムである$ours$を提案する。
論文 参考訳（メタデータ） (2025-10-20T19:07:51Z) - Disagreements in Reasoning: How a Model's Thinking Process Dictates Persuasion in Multi-Agent Systems [49.69773210844221]
本稿では,説得力はモデルスケールの関数である,という一般的な仮説に挑戦する。
一連のマルチエージェントの説得実験を通じて、パーサーション・デュナリティ(Persuasion Duality)と呼ばれる基本的なトレードオフを明らかにする。
以上の結果から, LRMの推理過程は説得に対する抵抗性が大きく, 当初の信念をより堅固に維持していることが明らかとなった。
論文 参考訳（メタデータ） (2025-09-25T12:03:10Z) - Beyond Brainstorming: What Drives High-Quality Scientific Ideas? Lessons from Multi-Agent Collaboration [59.41889496960302]
本稿では,構造化マルチエージェントの議論が独創的思考を超えうるかどうかを考察する。
研究提案を作成するための協調型マルチエージェントフレームワークを提案する。
エージェントベースのスコアリングと,新規性,戦略的ビジョン,統合深度といった領域にわたるヒューマンレビューを備えた包括的プロトコルを採用している。
論文 参考訳（メタデータ） (2025-08-06T15:59:18Z) - Exploring Design of Multi-Agent LLM Dialogues for Research Ideation [4.561804070932164]
大規模言語モデル(LLM)は、研究アイデア生成のような創造的なタスクをサポートするために、ますます使われている。
エージェントの役割の異なる構成、エージェントの数、対話深度を比較し、これらの要因が生成したアイデアの新規性と実現可能性にどのように影響するかを理解する。
論文 参考訳（メタデータ） (2025-07-11T06:53:46Z) - ReAgent-V: A Reward-Driven Multi-Agent Framework for Video Understanding [71.654781631463]
ReAgent-Vは、新しいエージェントビデオ理解フレームワークである。
推論中に効率の良いフレーム選択とリアルタイムの報酬生成を統合する。
12のデータセットに対する大規模な実験は、一般化と推論において大きな成果を上げている。
論文 参考訳（メタデータ） (2025-06-02T04:23:21Z) - Debate-to-Write: A Persona-Driven Multi-Agent Framework for Diverse Argument Generation [25.43678472601801]
議論記述のためのペルソナベースのマルチエージェントフレームワークを提案する。
人間の議論に触発されて、我々はまず各エージェントに、その高いレベルの信念を表すペルソナを、ユニークな視点から割り当てる。
次にエージェントインタラクションプロセスを設計し、エージェントが協調して議論し、議論書の全体計画を形成するアイデアを議論できるようにします。
論文 参考訳（メタデータ） (2024-06-28T04:21:20Z) - Cantor: Inspiring Multimodal Chain-of-Thought of MLLM [83.6663322930814]
視覚的コンテキスト獲得と論理的推論の集約は、視覚的推論タスクに取り組む上で重要であると我々は主張する。
我々はCantorと呼ばれる革新的なマルチモーダルCoTフレームワークを提案し、その特徴は知覚決定アーキテクチャである。
提案手法の有効性を実証し,マルチモーダルCoT性能の大幅な向上を示した。
論文 参考訳（メタデータ） (2024-04-24T17:59:48Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳（メタデータ） (2024-02-28T16:09:56Z)
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。