Maintenez la cohérence : narration thématique à partir d’un flux d’images par communication itérative multi-agents

L’art du récit visuel vise à générer automatiquement un paragraphe narratif à partir d’une séquence d’images. Les approches existantes construisent indépendamment une description textuelle pour chaque image, puis les concatènent de manière approximative pour former une histoire, ce qui entraîne un problème de cohérence sémantique dans le contenu produit. Dans cet article, nous proposons une nouvelle approche pour le récit visuel en introduisant une tâche de description de thème afin de détecter le contexte sémantique global d’une séquence d’images. Une histoire est ensuite construite sous la guidance de cette description de thème. Afin de combiner efficacement ces deux tâches de génération, nous proposons un cadre de communication multi-agents, dans lequel le générateur de description de thème et le générateur d’histoire sont considérés comme deux agents coopératifs, apprenant simultanément grâce à un mécanisme itératif d’actualisation. Nous validons notre approche sur le jeu de données VIST, où les résultats quantitatifs, les études d’ablation ainsi que l’évaluation par des humains démontrent la capacité supérieure de notre méthode à générer des récits de meilleure qualité par rapport aux méthodes de pointe.