論文の概要: AI based approach to Trailer Generation for Online Educational Courses
- arxiv url: http://arxiv.org/abs/2301.03957v1
- Date: Tue, 10 Jan 2023 13:33:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-11 16:17:23.413013
- Title: AI based approach to Trailer Generation for Online Educational Courses
- Title（参考訳）: オンライン教育コースにおけるトレーサ生成へのAIによるアプローチ
- Authors: Prakhar Mishra, Chaitali Diwan, Srinath Srinivasa, G.
Srinivasaraghavan
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we propose an AI based approach to Trailer Generation in the
form of short videos for online educational courses. Trailers give an overview
of the course to the learners and help them make an informed choice about the
courses they want to learn. It also helps to generate curiosity and interest
among the learners and encourages them to pursue a course. While it is possible
to manually generate the trailers, it requires extensive human efforts and
skills over a broad spectrum of design, span selection, video editing, domain
knowledge, etc., thus making it time-consuming and expensive, especially in an
academic setting. The framework we propose in this work is a template based
method for video trailer generation, where most of the textual content of the
trailer is auto-generated and the trailer video is automatically generated, by
leveraging Machine Learning and Natural Language Processing techniques. The
proposed trailer is in the form of a timeline consisting of various fragments
created by selecting, para-phrasing or generating content using various
proposed techniques. The fragments are further enhanced by adding voice-over
text, subtitles, animations, etc., to create a holistic experience. Finally, we
perform user evaluation with 63 human evaluators for evaluating the trailers
generated by our system and the results obtained were encouraging.
- Abstract（参考訳）: 本稿では,オンライン教育コースのショートビデオという形で,AIによるトレーサ生成手法を提案する。
トレーラーはコースの概要を学習者に提供し、学習したいコースについて情報を得る手助けをする。
また、学習者の間で好奇心や興味を喚起し、コースを追求することを奨励する。
手動でトレーラーを製作することは可能だが、幅広いデザイン、スパン選択、ビデオ編集、ドメイン知識など幅広い分野にわたる人間の努力とスキルを必要とするため、特に学術的な環境では、時間がかかり、費用がかかる。
本研究で提案するフレームワークは、機械学習と自然言語処理技術を利用して、トレーラーのテキストコンテンツのほとんどが自動生成され、トレーラー映像が自動生成されるビデオトレーラー生成のためのテンプレートベース手法である。
提案するトレーラーは,様々な手法を用いてコンテンツを選択,パラフレーズ化,あるいは生成した様々な断片からなるタイムラインの形式である。
音声オーバーテキスト、字幕、アニメーションなどを追加して、全体的な体験を作り出すことで、フラグメントをさらに強化する。
最後に,63人の評価者によるユーザ評価を行い,システムによって生成されたトレーラの評価を行い,その結果を得た。
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) - 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) - Active Learning for Video Classification with Frame Level Queries [13.135234328352885]
ビデオ分類のための新しいアクティブラーニングフレームワークを提案する。
本フレームワークでは,ビデオ毎に一組の映像と,一組の情報フレームを識別する。
これは、ラベルを付けるための完全なビデオを見るよりも、手作業で作業する方がずっと少ない。
論文 参考訳（メタデータ） (2023-07-10T15:47:13Z) - A Video Is Worth 4096 Tokens: Verbalize Videos To Understand Them In
Zero Shot [67.00455874279383]
そこで本研究では,自然言語による記述を生成するために長編動画を音声化し,生成したストーリーの映像理解タスクを実行することを提案する。
提案手法は,ゼロショットであるにもかかわらず,ビデオ理解のための教師付きベースラインよりもはるかに優れた結果が得られる。
ストーリー理解ベンチマークの欠如を緩和するため,我々は,説得戦略の識別に関する計算社会科学における重要な課題に関する最初のデータセットを公開している。
論文 参考訳（メタデータ） (2023-05-16T19:13:11Z) - CLUE: Contextualised Unified Explainable Learning of User Engagement in
Video Lectures [6.25256391074865]
本稿では,オンライン授業ビデオから抽出した特徴から学習する統合モデルCLUEを提案する。
我々のモデルは、言語、文脈情報、配信されたコンテンツのテキスト感情の複雑さをモデル化するために、様々なマルチモーダル機能を利用する。
論文 参考訳（メタデータ） (2022-01-14T19:51:06Z) - 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) - Transcript to Video: Efficient Clip Sequencing from Texts [65.87890762420922]
Transcript-to-Video - テキストを入力として使用する弱教師付きフレームワークで、広範なショットコレクションからビデオシーケンスを自動的に生成する。
具体的には、視覚言語表現とモデルショットシークエンシングスタイルを学習するためのコンテンツ検索モジュールとテンポラルコヒーレントモジュールを提案する。
高速な推論のために,リアルタイムビデオクリップシークエンシングのための効率的な検索手法を提案する。
論文 参考訳（メタデータ） (2021-07-25T17:24:50Z) - Watch and Learn: Mapping Language and Noisy Real-world Videos with
Self-supervision [54.73758942064708]
我々は、明示的なアノテーションを使わずに、文章と騒々しいビデオスニペットのマッピングを学習することで、視覚と自然言語を理解するように機械に教える。
トレーニングと評価のために、多数のオンラインビデオとサブタイトルを含む新しいデータセットApartmenTourをコントリビュートする。
論文 参考訳（メタデータ） (2020-11-19T03:43:56Z)
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。