本研究提出VIST-GPT模型，旨在解决传统评估指标无法有效评估视觉叙事的问题。引入新型参考无关指标RoViST和GROOVIST，以更准确地反映叙事质量。

本文提出了一种分层结构的强化学习方法，用于生成连贯的多句子视觉叙事故事。该模型结合话题描述和多代理通信框架，在VIST数据集上表现优越，生成的故事质量高于现有方法。此外，研究探讨了基于知识增强的注意力网络和图表示形式等技术，以提升故事生成的连贯性和多样性。

该文综述视觉叙事与时间序列分析：发布首个序列视觉语言数据集VIST以推动视觉故事生成；后续研究通过角色关系、视觉前缀和规划提升故事连贯性；SCO-VIST框架结合图表示与语义权重，在视觉根植性和连贯性等指标上表现更优。时间序列研究涵盖用户行为分析、复杂网络可视化、可解释分类及T2P汇总方法。