以连贯性为导向的梦境场景可视化

梦境可以情感丰富，但难以用语言表达。我们描述了Dream Scene Visualiser（DSV）系统，该系统将书面的梦境描述转化为四张面板图像的时间序列，每张面板展示一个梦境阶段。这个过程首先由大语言模型引导，将其描述分成四个时间相关的部分。然后，文本到图像模型为每个部分生成图像，保持其间的视觉连贯性，并且DSV会根据文本重新生成不符合要求的图像。我们评估了50个来自DreamBank的视觉化梦境描述，并通过CLIP、DINOv2和Qwen2-VL等客观测量指标报告了质量、保真度和连贯性结果。