論文の概要: Film Trailer Generation via Task Decomposition

• arxiv url: http://arxiv.org/abs/2111.08774v1
• Date: Tue, 16 Nov 2021 20:50:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-19 01:49:34.127895
• Title: Film Trailer Generation via Task Decomposition
• Title（参考訳）: タスク分解によるフィルムトレーラー生成
• Authors: Pinelopi Papalampidi, Frank Keller, Mirella Lapata
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 65.16768855902268
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Movie trailers perform multiple functions: they introduce viewers to the story, convey the mood and artistic style of the film, and encourage audiences to see the movie. These diverse functions make automatic trailer generation a challenging endeavor. We decompose it into two subtasks: narrative structure identification and sentiment prediction. We model movies as graphs, where nodes are shots and edges denote semantic relations between them. We learn these relations using joint contrastive training which leverages privileged textual information (e.g., characters, actions, situations) from screenplays. An unsupervised algorithm then traverses the graph and generates trailers that human judges prefer to ones generated by competitive supervised approaches.
• Abstract（参考訳）: 映画トレーラーは、視聴者をストーリーに紹介し、映画の雰囲気と芸術的なスタイルを伝え、観客に映画を見るように促す。 これらの多様な機能は、自動トレーラー生成を困難にさせる。 物語構造同定と感情予測という2つのサブタスクに分解する。 映画をグラフとしてモデル化し、ノードが撮影され、エッジがそれらの間の意味関係を示す。 我々は、スクリーンプレイから特権的テキスト情報(文字、行動、状況など)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。

関連論文リスト

• Towards Automated Movie Trailer Generation [98.9854474456265]
  本稿では,エンコーダ・デコーダアーキテクチャを利用したディープラーニングフレームワークTGTを紹介する。 自動回帰トレーラーデコーダは、次のトレーラーショットの特徴表現を予測する。 当社のTGTは、総合的なメトリクススイートにおいて、従来の方法よりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-04-04T14:28:34Z)
• MoviePuzzle: Visual Narrative Reasoning through Multimodal Order Learning [54.73173491543553]
  MoviePuzzleは、ビジュアルな物語の推論と全体論的映画理解をターゲットとする、新しい挑戦である。 本研究では,映像モデルの時間的特徴学習と構造学習を増幅するMoviePuzzleタスクを提案する。 提案手法はMoviePuzzleベンチマークの既存の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2023-06-04T03:51:54Z)
• AI based approach to Trailer Generation for Online Educational Courses [0.0]
  提案するフレームワークは,ビデオトレーラ生成のためのテンプレートベースの手法である。 提案したトレーラーは、コンテンツの選択、パラフレーズ化、生成によって生成される様々なフラグメントからなるタイムラインの形式である。 我々は,63人の評価者を用いて,システムによって生成されたトレーラの評価を行う。
  論文  参考訳（メタデータ） (2023-01-10T13:33:08Z)
• Multilevel profiling of situation and dialogue-based deep networks for movie genre classification using movie trailers [7.904790547594697]
  我々は、状況、対話、メタデータに基づく映画ジャンル分類フレームワークという、新しいマルチモダリティを提案する。 我々は,5つのジャンルに属する2000本のハリウッド映画トレーラーを含むイギリス映画トレーラーデータセット(EMTD)を開発した。
  論文  参考訳（メタデータ） (2021-09-14T07:33:56Z)
• Where to look at the movies : Analyzing visual attention to understand movie editing [75.16856363008128]
  映画シーケンスの視線パターン情報を含む新しい視線追跡データベースを提案する。 このデータセット上で、最先端の計算サリエンシー技術がどのように振る舞うかを示す。
  論文  参考訳（メタデータ） (2021-02-26T09:54:58Z)
• Movie Summarization via Sparse Graph Construction [65.16768855902268]
  マルチモーダル情報を用いて構築された,シーン間の関係を表すスパースなムービーグラフを構築することで,TPシーンを識別するモデルを提案する。 人間の判断によれば、我々のアプローチによって作成された要約は、シーケンスベースモデルや汎用的な要約アルゴリズムの出力よりも、より情報的で完全であり、より高い評価を受けている。
  論文  参考訳（メタデータ） (2020-12-14T13:54:34Z)
• Learning Trailer Moments in Full-Length Movies [49.74693903050302]
  我々は、正式に公開された予告編を弱い監督力として活用し、フル長の映画から重要な瞬間を検知できるモデルを学ぶ。 本稿では,映画とトレーラーのコ・アテンションを利用してトレーニングペアを生成する新しいランキングネットワークを提案する。 我々は,最初の映画トレーラデータセットを構築し,提案するコ・アテンション支援ランキングネットワークは,教師付きアプローチよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2020-08-19T15:23:25Z)

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。