論文の概要: Screenplay Quality Assessment: Can We Predict Who Gets Nominated?
- arxiv url: http://arxiv.org/abs/2005.06123v1
- Date: Wed, 13 May 2020 02:39:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-03 13:08:50.373607
- Title: Screenplay Quality Assessment: Can We Predict Who Gets Nominated?
- Title(参考訳): 画面品質評価:誰が指名されたか予測できるか?
- Authors: Ming-Chang Chiu, Tiantian Feng, Xiang Ren, Shrikanth Narayanan
- Abstract要約: 本稿では,言語的手がかりに基づく脚本の品質評価手法を提案する。
産業の意見やナラトロジーに基づいて、ドメイン固有の特徴を共通分類技法に抽出し、統合する。
- 参考スコア(独自算出の注目度): 53.9153892362629
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deciding which scripts to turn into movies is a costly and time-consuming
process for filmmakers. Thus, building a tool to aid script selection, an
initial phase in movie production, can be very beneficial. Toward that goal, in
this work, we present a method to evaluate the quality of a screenplay based on
linguistic cues. We address this in a two-fold approach: (1) we define the task
as predicting nominations of scripts at major film awards with the hypothesis
that the peer-recognized scripts should have a greater chance to succeed. (2)
based on industry opinions and narratology, we extract and integrate
domain-specific features into common classification techniques. We face two
challenges (1) scripts are much longer than other document datasets (2)
nominated scripts are limited and thus difficult to collect. However, with
narratology-inspired modeling and domain features, our approach offers clear
improvements over strong baselines. Our work provides a new approach for future
work in screenplay analysis.
- Abstract(参考訳): どのスクリプトを映画にするかを決めることは、映画製作者にとってコストと時間がかかるプロセスである。
したがって、映画製作の初期段階である脚本選択を支援するツールを構築することは、非常に有益である。
そこで本研究では,その目的に向けて,言語的手がかりに基づく脚本の品質評価手法を提案する。
本研究は,(1)映画大賞における脚本のノミネート予測として,ピア認識の脚本が成功する確率が高いという仮説を定め,その課題を2つのアプローチで解決する。
2) 業界意見とナラトロジーに基づいて, 共通分類手法にドメイン固有の特徴を抽出し, 統合する。
1) スクリプトは他のドキュメントデータセットよりもはるかに長く、(2) ノミネートされたスクリプトは制限され、収集が困難である。
しかし、ナラトロジーに触発されたモデリングとドメイン機能により、我々のアプローチは強力なベースラインよりも明確な改善を提供する。
私たちの作品は、スクリーンプレイ分析における今後の作業に新しいアプローチを提供します。
関連論文リスト
- MULTISCRIPT: Multimodal Script Learning for Supporting Open Domain
Everyday Tasks [28.27986773292919]
新しいベンチマークチャレンジであるMultiScriptを提示します。
どちらのタスクも、入力はターゲットタスク名と、ターゲットタスクを完了するために何をしたかを示すビデオから成っている。
期待される出力は、(1)デモビデオに基づくテキスト中の構造化されたステップ記述のシーケンス、(2)次のステップのための単一のテキスト記述である。
論文 参考訳(メタデータ) (2023-10-08T01:51:17Z) - MovieFactory: Automatic Movie Creation from Text using Large Generative
Models for Language and Images [92.13079696503803]
映画制作のためのフレームワークであるMovieFactory(3072$times$1280)、映画スタイル(マルチシーン)、マルチモーダル(サウンド)映画について紹介する。
本手法は,簡単なテキスト入力を用いて,スムーズなトランジションでキャプティベーション映画を制作することを可能にする。
論文 参考訳(メタデータ) (2023-06-12T17:31:23Z) - Movie101: A New Movie Understanding Benchmark [47.24519006577205]
大規模な中国の映画ベンチマーク「Movie101」を構築した。
映画ナレーション評価のためのMNScore(Movie Narration Score)と呼ばれる新しい指標を提案する。
両タスクにおいて,提案手法は外部知識をうまく活用し,慎重に設計したベースラインよりも優れた性能を発揮する。
論文 参考訳(メタデータ) (2023-05-20T08:43:51Z) - Co-Writing Screenplays and Theatre Scripts with Language Models: An
Evaluation by Industry Professionals [5.7445938562326635]
ドラマトロンは、タイトル、キャラクター、物語のビート、場所の説明、対話を伴うコヒーレントな脚本と脚本を生成する。
ドラマトロンのインタラクティブな共同制作システムとしての有用性を示す。
我々は,共同創造性に対するDramatronの適合性,盗作や偏見を含む倫理的考察,そしてそのようなツールの設計と展開のための参加モデルについて議論する。
論文 参考訳(メタデータ) (2022-09-29T17:26:22Z) - Incorporating Task-specific Concept Knowledge into Script Learning [68.95195207989605]
私たちは、Goal-Oriented Script Completionの新しいタスクであるTetrisを紹介します。
より現実的で一般的な設定で、入力にはゴールだけでなく、追加のユーザコンテキストも含まれる。
性能向上に2つの手法を用いる新しい手法を提案する。
論文 参考訳(メタデータ) (2022-08-31T18:55:22Z) - Movie Genre Classification by Language Augmentation and Shot Sampling [20.119729119879466]
本稿では,Language augmentatIon とshot SamPling (Movie-CLIP) を用いた映画ジャンル分類手法を提案する。
Movie-CLIPは主に、入力オーディオから言語要素を認識する言語拡張モジュールと、ビデオ全体から代表ショットを選択するショットサンプリングモジュールの2つの部分で構成されている。
本手法をMovieNetとCondensed Moviesのデータセット上で評価し,平均精度(mAP)を平均6~9%向上させた。
論文 参考訳(メタデータ) (2022-03-24T18:15:12Z) - VScript: Controllable Script Generation with Audio-Visual Presentation [56.17400243061659]
VScriptは、対話やシーン記述を含む完全なスクリプトを生成するコントロール可能なパイプラインである。
我々は階層構造を採用し、プロットを生成し、次にスクリプトとその音声視覚提示を行う。
実験の結果,本手法は,自動評価と人的評価の両方において,ベースラインよりも優れていることがわかった。
論文 参考訳(メタデータ) (2022-03-01T09:43:02Z) - proScript: Partially Ordered Scripts Generation via Pre-trained Language
Models [49.03193243699244]
我々は、トレーニング済みのニューラルネットワークモデル(LM)が高品質なスクリプトを生成するために微調整できることを初めて実証した。
クラウドソースされた部分的に順序付けられたスクリプト(proScriptという名前)を収集しました。
私たちの実験では、これまでのスクリプトコレクションの障壁を克服するための新しいアプローチを示す(例えば、タスク(i)中のf1=75.7)。
論文 参考訳(メタデータ) (2021-04-16T17:35:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。