本文探讨了故事讲述在具有身体体验的对话系统、教育和健康干预以及计算机用户接口中的作用，提出了 DREAMT 模型以便更好地实现个性化的故事讲述。

Jul, 2019

通过设计一个名为 “与 AI 一起做梦” 的学习工作坊，我们帮助高中生学习了生成 AI 工具的内部机制，使用文本生成图像算法创建了他们未来梦想的形象，并探讨了这些工具的潜在利益和危害以及在教育中的使用政策。

May, 2023

介绍了一种受到哲学和精神分析概念启发的人工智能系统，利用想象力将文本输入与其他模态进行连接，从先前学习的经验中丰富所得信息。该系统具备独立感知输入的能力，导致概念的独特解释，虽然与人的解释可能不同但同样有效，该现象被称为 “可解释性误解”。通过使用大规模模型，如多模式大型语言模型 (MLLM)，我们评估了系统在情感识别和问答等多个任务上的表现，采用零样本方法以确保无偏执的情况。该系统在 MELD、IEMOCAP 和 CoQA 数据集上大幅优于最佳大型语言模型 (LLM)，权重 F1 分别分别为 46.74%、25.23% 和总 F1 分数为 17%，相比表现良好的 LLM 的 22.89%、12.28% 和 7%。旨在超越语言处理的统计视角，将其与哲学和精神分析等人类概念相结合。这项工作在想象力启发的人工智能系统的发展方面取得了重大进展，为人工智能跨模态生成深度且可解释的信息，从而增强人机交互提供了新的可能性。

Aug, 2023

我们的文章主要调查了人类与情感之间的关系，包括娱乐、广告和教育等多种方面，并介绍了专业讲故事者所使用的创作技巧，旨在进一步促进计算故事研究与人类创造性写作之间的新交叉领域。

May, 2022

本文介绍了一种将 Scheherazade 故事意图图转换成人物 NLG 引擎所需输入的自动方法，使用 36 个 Aesop 寓言进行测试，结果表明我们可以生成正确内容，平均与 Scheherazade 实现器的输出接近。

Aug, 2017

该研究探讨了生成人工智能在反映作者认知过程、进行创意表达方面的潜力和限制，发现根据创意、美学、新颖性、娱乐性和深度等标准，AI 生成的艺术作品能够理解人类意图和基于情感进行视觉表现，并发现过度表现某些元素或刻板印象的图像对于 AI 的对齐性有负面影响。研究结果表明，AI 在促进创造力和自我情感表达方面具有潜力，而采用生成 AI 的框架可以帮助设计相关领域的人工智能干预措施（例如心理健康教育、治疗和咨询）。

Apr, 2023

本文介绍了 MetaCLUE—— 一组用于视觉隐喻的视觉任务，以及收集的高质量且丰富的比喻注释数据集，并对基于注释的最先进视觉和语言模型进行了全面的分析，重点介绍了当前方法在视觉隐喻分类、定位、理解和生成方面的优势和弱点，旨在为开发具有类人创造力的 AI 系统迈出具体的一步。

Dec, 2022

本文在交互式多模态和情感计算交叉领域进行了研究，探讨了计算机识别和表达情感现象的能力，并发现了研究的主要重点和不足之处。通过分析大量文献，我们发现研究主要集中在如何使计算机能够识别和表达情感现象，而缺乏人工智能系统通过情感和情绪预测增强对人类社交行为和认知状态的理解的研究。

May, 2023

我们研究通过将传统艺术材料和基于图像的生成性人工智能相结合，帮助家庭通过表达式艺术疗法与专业治疗师共同创造家庭故事，并概括了生成性人工智能作为表达材料在疗法中的疗效。我们总结了为未来人机交互研究提供支持儿童、父母和治疗师的期望的交互特点。

Feb, 2024

自动视觉化故事生成包含了自然对话生成和图像生成两个部分，其中，系统通过用户指定的关键词和情绪标签生成下一个句子，再用扩散模型生成相应的图像。此外，通过对象识别技术，生成的图像中的物品可被用于未来的故事发展。

Jan, 2023