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

• ScreenWriter: Automatic Screenplay Generation and Movie Summarisation [55.20132267309382]
  ビデオコンテンツは、ユーザーがキープロットポイントをリコールしたり、見ずに概要を見ることができるようなテキスト記述や要約の需要を駆り立ててきた。 本稿では,映像のみを操作し,対話,話者名,シーンブレーク,視覚的記述を含む出力を生成するScreenWriterを提案する。 ScreenWriterは、映像を視覚ベクトルのシーケンスに基づいてシーンに分割する新しいアルゴリズムを導入し、アクターの顔のデータベースに基づく文字名決定の難しい問題に対する新しい方法を提案する。
  論文  参考訳（メタデータ） (2024-10-17T07:59:54Z)
• MovieSum: An Abstractive Summarization Dataset for Movie Screenplays [11.318175666743656]
  映画脚本の抽象的な要約のための新しいデータセットであるMovieSumを提示する。 このデータセットはウィキペディアのプロットサマリーを伴って2200の映画脚本で構成されている。
  論文  参考訳（メタデータ） (2024-08-12T16:43:09Z)
• Movie101v2: Improved Movie Narration Benchmark [53.54176725112229]
  映像の自動ナレーションは、視覚障害者を支援するために、映像に合わせたプロット記述を生成することを目的としている。 映画ナレーションに特化して設計されたデータ品質を向上した大規模バイリンガルデータセットであるMovie101v2を紹介する。 新しいベンチマークに基づいて,GPT-4Vを含む多数の視覚言語モデルをベースライン化し,ナレーション生成における課題の詳細な分析を行う。
  論文  参考訳（メタデータ） (2024-04-20T13:15:27Z)
• Select and Summarize: Scene Saliency for Movie Script Summarization [11.318175666743656]
  そこで本研究では,100本の映画に対して,人間による注釈付きサリエントシーンからなるシーン・サリエンシ・データセットを提案する。 そこで本研究では,まずスクリプト中の健全なシーンを識別し,そのシーンのみを用いて要約を生成する2段階の抽象要約手法を提案する。
  論文  参考訳（メタデータ） (2024-04-04T16:16:53Z)
• 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)
• 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。