Làm sao để nhân vật trong chuỗi tranh do AI tạo ra vẫn giữ được diện mạo nhất quán khi câu chuyện liên tục thay đổi? Đó là bài toán được Lê Minh Tân và Nguyễn Đình Tấn Lộc nghiên cứu trong công trình JTE mà RTIC giới thiệu với tên dự án StoryVisual.
Bài Journal này là phần giới thiệu biên tập về công trình đã công bố, không phải một lần thực nghiệm mới hay tuyên bố toàn bộ phương pháp nền đều do RTIC phát minh.
Bài báo và nhóm tác giả
| Thông tin | Nội dung công bố |
|---|---|
| Tên bài báo | Application of Comics Generation Techniques in the Visualization of Vietnamese Folk Tales |
| Tác giả, theo thứ tự xuất bản | Minh Tan Le; Dinh Tan Loc Nguyen |
| Họ tên tiếng Việt | Lê Minh Tân; Nguyễn Đình Tấn Lộc |
| Đơn vị | Trường Đại học Công nghệ Kỹ thuật TP.HCM, Việt Nam |
| Tạp chí | Journal of Technical Education Science (JTE) |
| Online First | 25/08/2026, thuộc mục Articles in Press |
| DOI | 10.54644/jte.2026.2148 |
Trong thông báo ngày 26/08 của RTIC, thầy Lê Minh Tân được giới thiệu là giảng viên Khoa CNTT, cố vấn chuyên môn CLB; Nguyễn Đình Tấn Lộc là sinh viên Kỹ thuật Dữ liệu, thành viên Ban Truyền thông. Các mô tả này được dẫn theo thông báo tại thời điểm đó, không phải một bản cập nhật chức danh mới.
Chọn lọc ngữ cảnh thay vì giữ mọi khung hình
Công trình phát triển trên Story-Iter, một kiến trúc có sẵn cho bài toán trực quan hoá câu chuyện theo chuỗi. Phần bổ sung được nghiên cứu là bộ lọc ngữ cảnh: chọn những tham chiếu lịch sử phù hợp, thay vì luôn dùng toàn bộ ảnh cũ hoặc một số lượng cố định các khung hình gần nhất.
Nhóm dùng SigLIP để phục vụ việc đánh giá mức liên quan ngữ nghĩa trong quá trình chọn tham chiếu. Cần phân biệt rõ: Story-Iter và SigLIP là các thành phần kế thừa; đóng góp được giới thiệu ở đây là cách tích hợp và đánh giá cơ chế lọc cho bài toán truyện dân gian Việt Nam.
Có thể hình dung một nhân vật vắng mặt qua vài phân cảnh rồi xuất hiện lại. Khung hình gần nhất chưa chắc hữu ích bằng một cảnh cũ có nhân vật đó. Chọn đúng ngữ cảnh có thể giảm ảnh hưởng không liên quan, nhưng chưa bảo đảm mọi ảnh tạo ra đều đúng hình thể, danh tính hay chi tiết văn hoá.
Đọc kết quả trong đúng phạm vi
Bài báo mô tả 23 truyện dân gian Việt Nam và 447 đoạn/phân cảnh trong VNFairyTales. Thiết lập gồm GPU NVIDIA RTX 3090 24 GB, ảnh 640 × 640 và seed cố định 42. Các tiêu chí đánh giá xem xét độ phù hợp chữ–ảnh, mức tương đồng giữa khung hình và tính nhất quán liên quan đến nhân vật, bên cạnh một khảo sát người dùng quy mô hạn chế.
Kết luận hữu ích là có điều kiện: bộ lọc có thể giúp khi cửa sổ tham chiếu bị giới hạn, nhưng không cải thiện mọi metric ở mọi độ dài ngữ cảnh. Khi sử dụng toàn bộ tham chiếu, khác biệt với phương pháp gốc giảm đi. StoryDiffusion vẫn cao hơn ở phép so sánh CLIP-T được báo cáo; một số thiết lập đo nhất quán nhân vật không cho mức tăng.
Một giới hạn đáng chú ý là ảnh tham chiếu đúng ngữ nghĩa vẫn có thể chứa lỗi thị giác và truyền lỗi đó sang khung hình sau. Bộ dữ liệu nhỏ, mang đặc thù văn hoá và khảo sát hạn chế chưa đủ để khẳng định ưu thế tổng quát cho mọi ứng dụng kể chuyện bằng ảnh.
Theo dõi nghiên cứu bằng các artifact có nguồn
Với RTIC, công bố này là một ví dụ cụ thể về kết nối nghiên cứu giữa giảng viên và sinh viên quanh bài toán ngôn ngữ, văn hoá Việt Nam. Người đọc có thể đối chiếu bài báo và các artifact được tác giả dẫn, thay vì chỉ dựa vào một tiêu đề mạng xã hội hay một hình minh hoạ đẹp.
- Trang JTE chính thức và bản toàn văn.
- Repository VNFairyTales được bài báo dẫn.
- Kết quả thực nghiệm được bài báo dẫn.
- Định danh tác giả Minh Tan Le.
- Định danh tác giả Dinh Tan Loc Nguyen.
Ghi công nghiên cứu thuộc về hai tác giả của bài báo. Phần giới thiệu do RTIC Editorial Desk biên tập. Ảnh bìa là minh hoạ biên tập tạo bằng AI, không phải hình hay kết quả sinh ảnh trong nghiên cứu. Các phương pháp và kết quả được dẫn từ công bố, chưa được chạy kiểm chứng độc lập trong bài viết này.