Openstory++: Een grootschalige dataset en benchmark voor instance-aware open-domein visuele verhalenvertelling

Openstory++: A Large-scale Dataset and Benchmark for Instance-aware Open-domain Visual Storytelling

August 7, 2024

Auteurs: Zilyu Ye, Jinxiu Liu, Ruotian Peng, Jinjin Cao, Zhiyang Chen, Yiyang Zhang, Ziwei Xuan, Mingyuan Zhou, Xiaoqian Shen, Mohamed Elhoseiny, Qi Liu, Guo-Jun Qi

cs.AI

Samenvatting

Recente modellen voor beeldgeneratie blinken uit in het creëren van hoogwaardige afbeeldingen op basis van korte beschrijvingen. Ze slagen er echter niet in om consistentie van meerdere instanties over afbeeldingen heen te behouden bij het verwerken van uitgebreide contexten. Deze inconsistentie is grotendeels te wijten aan het ontbreken van gedetailleerde labeling van instantiekenmerken in bestaande trainingsdatasets. Om deze problemen aan te pakken, introduceren we Openstory++, een grootschalige dataset die aanvullende annotaties op instantieniveau combineert met zowel afbeeldingen als tekst. Bovendien ontwikkelen we een trainingsmethodologie die zich richt op entiteitsgerichte beeld-tekstgeneratie, waardoor modellen leren om visuele en tekstuele informatie effectief te verweven. Specifiek vereenvoudigt Openstory++ het proces van sleutelframe-extractie uit open-domeinvideo's, waarbij vision-language-modellen worden ingezet om bijschriften te genereren die vervolgens worden verfijnd door een groot taalmodel voor narratieve continuïteit. Het overtreft eerdere datasets door een uitgebreidere open-domeinbron te bieden, die geautomatiseerde bijschrijving, hoogwaardige afbeeldingen afgestemd op instantieaantallen, en uitgebreide framereeksen voor temporele consistentie omvat. Daarnaast presenteren we Cohere-Bench, een baanbrekend benchmarkframework voor het evalueren van beeldgeneratietaken wanneer lange multimodale context wordt geboden, inclusief het vermogen om de achtergrond, stijl en instanties in de gegeven context coherent te houden. In vergelijking met bestaande benchmarks vult ons werk cruciale lacunes in multimodale generatie op, waardoor de ontwikkeling van modellen wordt bevorderd die complexe verhalen in open-domeinomgevingen vaardig kunnen genereren en interpreteren. Experimenten uitgevoerd binnen Cohere-Bench bevestigen de superioriteit van Openstory++ in het ontwikkelen van hoogwaardige visuele verhalende modellen, waardoor hun vermogen om open-domeingeneratietaken aan te pakken wordt verbeterd. Meer details zijn te vinden op https://openstorypp.github.io/.

English

Recent image generation models excel at creating high-quality images from brief captions. However, they fail to maintain consistency of multiple instances across images when encountering lengthy contexts. This inconsistency is largely due to in existing training datasets the absence of granular instance feature labeling in existing training datasets. To tackle these issues, we introduce Openstory++, a large-scale dataset combining additional instance-level annotations with both images and text. Furthermore, we develop a training methodology that emphasizes entity-centric image-text generation, ensuring that the models learn to effectively interweave visual and textual information. Specifically, Openstory++ streamlines the process of keyframe extraction from open-domain videos, employing vision-language models to generate captions that are then polished by a large language model for narrative continuity. It surpasses previous datasets by offering a more expansive open-domain resource, which incorporates automated captioning, high-resolution imagery tailored for instance count, and extensive frame sequences for temporal consistency. Additionally, we present Cohere-Bench, a pioneering benchmark framework for evaluating the image generation tasks when long multimodal context is provided, including the ability to keep the background, style, instances in the given context coherent. Compared to existing benchmarks, our work fills critical gaps in multi-modal generation, propelling the development of models that can adeptly generate and interpret complex narratives in open-domain environments. Experiments conducted within Cohere-Bench confirm the superiority of Openstory++ in nurturing high-quality visual storytelling models, enhancing their ability to address open-domain generation tasks. More details can be found at https://openstorypp.github.io/