"Kurosawa" : un assistant de scénariste : travaux connexes

Tableau des liens

• Résumé et introduction
• Motivation
• Travaux connexes
• Base de données
• Expériences et évaluation
• Résultats et analyse
• Conclusion et travaux futurs
• Limites et références
• A. Annexe

3. Travaux connexes

3.1. Génération automatique d'histoires

Les modèles neuronaux ont été capables de produire des histoires en conditionnant différents contenus tels que des visuels (Huang et al., 2016) et des descriptions textuelles succinctes (Jain et al., 2017). Les travaux sur la génération d’histoires contrôlables et basées sur un plan abondent (Riedl et Young, 2010 ; Fan et al., 2019 ; Pérez et Sharples, 2001 ; Rashkin et al., 2020). Un type de travail connexe est la génération automatique de poésie basée sur des mots-clés ou des descriptions (Yan, 2016 ; Wang et al., 2016).

3.2. Génération de tracé

Les Plot Machines (Rashkin et al., 2020) génèrent des histoires à plusieurs paragraphes basées sur certaines phrases générales. Fan et coll. (2018) introduisent un modèle de fusion hiérarchique séquence à séquence pour générer une prémisse et une condition qui à leur tour génèrent des histoires pouvant aller jusqu'à 1 000 mots. Ce travail, contrairement au nôtre, est non neuronal et basé sur des modèles et est donc beaucoup moins créatif et novateur que ce que nous générons.

3.3. Génération de scène

La génération automatique de scènes ou de scripts a reçu comparativement moins d’attention. La génération de dialogues (Li et al., 2016 ; Huang et al., 2018 ; Tang et al., 2019 ; Wu et al., 2019) avec un semblant de génération de scènes a été réalisée. Des travaux ont récemment été menés pour guider les dialogues à l’aide d’un récit (Zhu et al., 2020). Nous générons des scènes dans lesquelles les éléments principaux proviennent d'une petite invite en entrée.