論文の概要: Bubble Storytelling with Automated Animation: A Brexit Hashtag Activism Case Study

• arxiv url: http://arxiv.org/abs/2009.00549v1
• Date: Tue, 1 Sep 2020 16:28:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-04 03:14:26.557878
• Title: Bubble Storytelling with Automated Animation: A Brexit Hashtag Activism Case Study
• Title（参考訳）: 自動アニメーションによるバブルストーリーテリング:ブレグジットのハッシュタグアクティビズムのケーススタディ
• Authors: Noptanit Chotisarn, Junhua Lu, Libinzi Ma, Jingli Xu, Linhao Meng, Bingru Lin, Ying Xu, Xiaonan Luo, Wei Chen
• Abstract要約: 本研究では,映像作者のストーリーテリングに関連付けられたアニメーションを自動的に挿入することで,バブルの動きを探索するプロトタイプシステムの開発を行う。 本手法のユーザビリティを,ユースケースと半構造化ユーザスタディの両方を通じて実証する。
• 参考スコア（独自算出の注目度）: 17.51334760366076
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Hashtag data are common and easy to acquire. Thus, they are widely used in studies and visual data storytelling. For example, a recent story by China Central Television Europe (CCTV Europe) depicts Brexit as a hashtag movement displayed on an animated bubble chart. However, creating such a story is usually laborious and tedious, because narrators have to switch between different tools and discuss with different collaborators. To reduce the burden, we develop a prototype system to help explore the bubbles' movement by automatically inserting animations connected to the storytelling of the video creators and the interaction of viewers to those videos. We demonstrate the usability of our method through both use cases and a semi-structured user study.
• Abstract（参考訳）: ハッシュタグデータは一般的で簡単に取得できる。 したがって、研究やビジュアルデータストーリーテリングで広く使われている。 例えば、中国中央テレビジョンヨーロッパ(CCTVヨーロッパ)の最近の話では、ブレグジットはアニメーションバブルチャートに表示されるハッシュタグとして描かれている。 しかし、語り手は異なる道具を切り替えて、異なる協力者と話し合う必要があるため、そのような物語を作るのは通常、手間がかかり、退屈である。 そこで我々は,映像制作者のストーリーテリングと視聴者のインタラクションに関連付けられたアニメーションを自動的に挿入することで,バブルの動きを探索するプロトタイプシステムの開発を行った。 本手法のユーザビリティをユースケースと半構造化ユーザスタディの両方を通して実証する。

関連論文リスト

• TeaserGen: Generating Teasers for Long Documentaries [59.8220642722399]
  1,269の文書集であるDocumentaryNetをティーザーと組み合わせて紹介する。 長文からティーザーを生成するための新しい2段階システムを提案する。
  論文  参考訳（メタデータ） (2024-10-08T01:00:09Z)
• Real-time Animation Generation and Control on Rigged Models via Large Language Models [50.034712575541434]
  本稿では,自然言語入力を用いたリップモデル上でのリアルタイムアニメーション制御と生成のための新しい手法を提案する。 大規模言語モデル(LLM)をUnityに組み込んで構造化テキストを出力し、多種多様なリアルなアニメーションに解析する。
  論文  参考訳（メタデータ） (2023-10-27T01:36:35Z)
• Connecting Vision and Language with Video Localized Narratives [54.094554472715245]
  視覚と言語を繋ぐマルチモーダルなビデオアノテーションの新たな形式であるビデオローカライズド・ナラティブスを提案する。 オリジナルのLocalized Narrativesでは、アノテータは画像上にマウスを同時に移動させ、各単語をマウストレースセグメントで接地する。 我々の新しいプロトコルは、アノテータがローカライズド・ナラティブ(Localized Narratives)を使ってビデオのストーリーを語ることを可能にし、複数のアクターが相互に相互作用し、複数の受動的オブジェクトを持つ複雑なイベントをキャプチャする。
  論文  参考訳（メタデータ） (2023-02-22T09:04:00Z)
• What You Say Is What You Show: Visual Narration Detection in Instructional Videos [108.77600799637172]
  本稿では,映像中の行動によってナレーションが視覚的に表現されるか否かを判断する,視覚的ナレーション検出の新たな課題を紹介する。 We propose What You Say is What You Show (WYS2), a method with multi-modal cues and pseudo-labeling to learn to detect visual narrations with only weakly labeled data。 本モデルでは,映像中の視覚的ナレーションの検出に成功し,高いベースラインを達成し,映像の最先端の要約や時間的アライメントに対する影響を実証する。
  論文  参考訳（メタデータ） (2023-01-05T21:43:19Z)
• Tell Your Story: Task-Oriented Dialogs for Interactive Content Creation [11.538915414185022]
  本稿では,メディアコレクションからモンタージュをシームレスに検索,コンパイル,編集するためのインタラクティブツールとして,モンタージュ生成のためのタスク指向ダイアログを提案する。 大規模なメディアコレクションからシミュレーションしたメディアモンタージュに条件付き10kのダイアログを含む新しいデータセットC3(Conversational Content Creation)を収集する。 我々の最先端言語モデルの解析とベンチマークは、データセットに存在するマルチモーダルな課題を示している。
  論文  参考訳（メタデータ） (2022-11-08T01:23:59Z)
• Weakly-Supervised Action Detection Guided by Audio Narration [50.4318060593995]
  ナレーション管理から学習し,RGB,モーションフロー,環境音などのマルチモーダル特徴を利用するモデルを提案する。 実験の結果,ノイズの多い音声ナレーションは優れた行動検出モデルを学ぶのに十分であることがわかった。
  論文  参考訳（メタデータ） (2022-05-12T06:33:24Z)
• Film Trailer Generation via Task Decomposition [65.16768855902268]
  私たちは映画をグラフとしてモデル化し、ノードはショットであり、エッジはそれらの間のセマンティックな関係を表す。 スクリーンプレイから特権的テキスト情報を活用する共同コントラストトレーニングを用いて,これらの関係を学習する。 教師なしのアルゴリズムがグラフを横切り、人間の審査員が競争的な教師付きアプローチによって生成されるトレーラーを生成する。
  論文  参考訳（メタデータ） (2021-11-16T20:50:52Z)
• Living Machines: A study of atypical animacy [6.4220844657257725]
  我々は19世紀の英語文に基づく非定型アニマシー検出のための最初のデータセットを作成する。 本手法は,言語モデリングにおける最近の革新,特に BERT の文脈化された単語埋め込みを基盤としている。 提案手法は,非典型的アニマシーのより正確なキャラクタリゼーションを提供する。
  論文  参考訳（メタデータ） (2020-05-22T12:35:18Z)

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。