以角色为中心的视觉叙事

序列视觉到语言或视觉叙事近来已成为计算机视觉与语言建模领域的焦点之一。尽管现有模型生成的故事在主观上读起来不错，但可能存在这些情况：这些模型遗漏了生成涵盖并处理图像序列中所有潜在人与动物角色的故事。考虑到这一情形，我们提出了一种模型，它隐式地学习所提供的角色之间的关系，从而生成将相应角色纳入视野的故事。我们为此使用VIST数据集，并报告了该数据集的大量统计信息。最终，我们描述了模型，解释了实验，并讨论了我们的当前状态与未来工作。