論文の概要: DraMaze: A Multi-Agent Pipeline with Future-Aware Memory for Diverse Microdrama Script Generation
- arxiv url: http://arxiv.org/abs/2610.32002v1
- Date: Thu, 22 Oct 2026 23:54:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 01:38:06.311927
- Title: DraMaze: A Multi-Agent Pipeline with Future-Aware Memory for Diverse Microdrama Script Generation
- Title（参考訳）: DraMaze: マイクロドラマスクリプト生成のための将来的なメモリを備えたマルチエージェントパイプライン
- Abstract要約: LLMによる長文マイクロドラマのスクリプト生成には、プロットの進行と長距離の物語コヒーレンスの両方が必要である。
本稿では,多エージェントパイプラインであるDraMazeを提案する。このパイプラインは,トロープメモリを用いた進化的ツリー探索と突然変異により,多様な因果経路を探索する。
60kワードまでの60エピソードスクリプトでは、DraMazeは因果パターンの繰り返しを32.1%削減し、Logicスコア82.5を達成し、最高のパフォーマンスのベースラインを8.5ポイント上回る。
- 参考スコア（独自算出の注目度）: 46.841167827220744
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid growth of microdramas has increased demand for high-quality script production. Long-form microdrama script generation with LLMs requires both diverse plot progression and long-range narrative coherence. Our observations reveal that candidate continuations increasingly concentrate on fewer narrative mechanisms as generation progresses, while conventional retrieval may reinforce trope reuse and overlook historical information essential to future plots. To address these challenges, we propose DraMaze, a multi-agent pipeline that explores diverse causal paths through trope memory-guided evolutionary tree search and mutation. It further constructs a Backward Narrative Dependency Tree to organize, retain, and retrieve historical memories based on future narrative goals. We also introduce MiDramaBench, a bilingual benchmark for evaluating script logic and creative quality across different script lengths, together with causal-pattern metrics for narrative repetition and diversity. Experiments show consistent improvements across three backbone LLMs. For 60-episode scripts of up to 60k words, DraMaze reduces causal-pattern repetition by 32.1% and achieves a Logic score of 82.5, outperforming the best-performing baseline by 8.5 points.
- Abstract（参考訳）: マイクロドラマの急速な成長により、高品質なスクリプト制作への需要が高まった。
LLMを用いた長文マイクロドラマのスクリプト生成には、プロットの進行と長距離の物語コヒーレンスの両方が必要である。
提案手法では,世代が進むにつれて,候補の継続は物語のメカニズムの減少に集中する傾向にあるが,従来の検索はトロープの再利用を強化し,今後のプロットに欠かせない歴史的情報を見落としている可能性がある。
これらの課題に対処するため,我々は多エージェントパイプラインであるDraMazeを提案し,トロープメモリを用いた進化木探索と突然変異による多様な因果経路を探索する。
さらに、将来の物語の目標に基づいて過去の記憶を整理し、保持し、回収するために、バックワード・ナララティブ・依存ツリーを構築している。
MiDramaBenchは、スクリプトロジックと異なるスクリプトの長さにわたる創造的品質を評価するためのバイリンガルベンチマークであり、物語の反復と多様性のための因果パターンメトリクスも導入する。
実験では、3つのバックボーンLLMで一貫した改善が見られた。
60kワードまでの60エピソードスクリプトでは、DraMazeは因果パターンの繰り返しを32.1%削減し、Logicスコア82.5を達成し、最高のパフォーマンスのベースラインを8.5ポイント上回る。
関連論文リスト
- One Sentence, One Drama: Personalized Short-Form Drama Generation via Multi-Agent Systems [17.754369892506542]
One Sentence, One Dramaは階層的なマルチエージェントフレームワークで、ユーザの単一文のアイデアを完全な短編ドラマに変換する。
提案手法は,(1)ショートドラマのパッシングと物語のコヒーレンスを強制するマルチエージェントの議論ベースのストーリー生成モジュール,(2)一貫したキャラクタの位置決めとシーンレイアウトのための共有空間参照を確立する3次元1フレーム生成機構,(3)包括的エラー検出とスクリプト,視覚,映像生成ステージ間のターゲットリビジョンを行うマルチステージレビュアループの3つの主要な構成要素に基づいて構築されている。
論文 参考訳（メタデータ） (2026-05-21T08:15:46Z) - Soap2Soap: Long Cinematic Video Remaking via Multi-Agent Collaboration [61.98029663481308]
Soap2SoapはDualBridgeメカニズムを通じて長期の視覚的一貫性を強制するマルチエージェントフレームワークである。
クローズドループ検証エージェントは、識別、安定性、アライメントを監査し、選択的再生を誘導する。
論文 参考訳（メタデータ） (2026-05-17T12:38:21Z) - MemLens: Benchmarking Multimodal Long-Term Memory in Large Vision-Language Models [50.25006399944962]
メモリは、長いマルチモーダル相互作用を扱うために、大きな視覚言語モデルにとって不可欠である。
MEMLENSはマルチモーダルマルチセッション会話におけるメモリのベンチマークである。
我々は27個のLVLMと7個のメモリ増強剤を評価した。
論文 参考訳（メタデータ） (2026-05-14T14:41:17Z) - 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) - Narrative Aligned Long Form Video Question Answering [12.805359127629215]
NA-VQA(NA-VQA)は、長大なビデオにおける時間的・物語的推論を評価するためのベンチマークである。
NA-VQAには88本のフル長の映画と4.4Kのオープンエンドの質問応答ペアが含まれており、それぞれがショート、ミディアム、ファーとラベル付けされた複数のエビデンスに根拠を置いている。
本稿では、イベントレベルの連鎖を構築し、推論中の検索のための構造化メモリに格納する、物語中心のフレームワークであるVideo-NaRAを提案する。
論文 参考訳（メタデータ） (2026-03-19T21:23:15Z) - NexusSum: Hierarchical LLM Agents for Long-Form Narrative Summarization [0.0]
物語要約のための多エージェントLLMフレームワークであるNexusSumを紹介する。
物語固有の事前処理方法は、文字対話と記述テキストを統一されたフォーマットに標準化する。
本手法は物語要約における新たな最先端技術を確立し,書籍,映画,テレビ脚本間でBERTScore(F1)を最大30.0%向上させる。
論文 参考訳（メタデータ） (2025-05-30T13:26:23Z) - SCORE: Story Coherence and Retrieval Enhancement for AI Narratives [46.904432316228586]
大きな言語モデル(LLM)は、ユーザが指定した入力から創造的で魅力的な物語を生成する。
これらのAI生成ストーリー全体の一貫性と感情の深さを維持することは、依然として課題である。
本稿では,ストーリーコヒーレンスと検索機能強化のためのフレームワークSCOREを提案する。
論文 参考訳（メタデータ） (2025-03-30T16:48:27Z) - VideoGen-of-Thought: Step-by-step generating multi-shot video with minimal manual intervention [76.3175166538482]
VideoGen-of-Thought(VGoT)は、単一の文から複数ショットのビデオ合成を自動化するステップバイステップのフレームワークである。
VGoTは、ナラティブな断片化、視覚的不整合、トランジションアーティファクトの3つの課題に対処する。
トレーニング不要のパイプラインで組み合わせられたVGoTは、ショット内面の一貫性が20.4%、スタイルの一貫性が17.4%向上した。
論文 参考訳（メタデータ） (2024-12-03T08:33:50Z) - Re3: Generating Longer Stories With Recursive Reprompting and Revision [83.99558005056817]
我々は,2千語以上の長文を自動生成する問題を考察する。
短いストーリーの以前の作業と比較して、長距離プロットのコヒーレンスと関連性は、ここではより中心的な課題である。
本稿では,これらの課題に対処するRecursive Reprompting and Revision framework(Re3)を提案する。
論文 参考訳（メタデータ） (2022-10-13T06:29:57Z)
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。