論文の概要: "Kurosawa": A Script Writer's Assistant
- arxiv url: http://arxiv.org/abs/2308.03122v1
- Date: Sun, 6 Aug 2023 14:09:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 16:29:53.935606
- Title: "Kurosawa": A Script Writer's Assistant
- Title(参考訳): 『黒澤』:スクリプト作家の助手。
- Authors: Prerak Gandhi, Vishal Pramanik, Pushpak Bhattacharyya
- Abstract要約: 本稿は,黒澤というAIベースのスクリプト記述ワークベンチについて紹介する。
プロンプト(15~40語)を与えられたコヒーレントで創造的なプロット(600~800語)を生成することを目的としたプロット生成
一方、スクリプト生成は、簡単な記述(15~40語)から脚本形式でシーン(200~500語)を生成する。
注釈付きデータセットとこれらのデータセットでトレーニングされたモデルを、自動映画のプロットとスクリプト生成のためのワーキングベンチマークとしてリリースする。
- 参考スコア(独自算出の注目度): 27.95392833516136
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Storytelling is the lifeline of the entertainment industry -- movies, TV
shows, and stand-up comedies, all need stories. A good and gripping script is
the lifeline of storytelling and demands creativity and resource investment.
Good scriptwriters are rare to find and often work under severe time pressure.
Consequently, entertainment media are actively looking for automation. In this
paper, we present an AI-based script-writing workbench called KUROSAWA which
addresses the tasks of plot generation and script generation. Plot generation
aims to generate a coherent and creative plot (600-800 words) given a prompt
(15-40 words). Script generation, on the other hand, generates a scene (200-500
words) in a screenplay format from a brief description (15-40 words). Kurosawa
needs data to train. We use a 4-act structure of storytelling to annotate the
plot dataset manually. We create a dataset of 1000 manually annotated plots and
their corresponding prompts/storylines and a gold-standard dataset of 1000
scenes with four main elements -- scene headings, action lines, dialogues, and
character names -- tagged individually. We fine-tune GPT-3 with the above
datasets to generate plots and scenes. These plots and scenes are first
evaluated and then used by the scriptwriters of a large and famous media
platform ErosNow. We release the annotated datasets and the models trained on
these datasets as a working benchmark for automatic movie plot and script
generation.
- Abstract(参考訳): ストーリーテリングはエンターテイメント産業のライフラインであり、映画、テレビ番組、スタンドアップコメディーはすべてストーリーを必要としている。
良い脚本はストーリーテリングのライフラインであり、創造性とリソース投資を要求する。
良質な脚本家は見つけることは稀であり、しばしば厳しい時間的プレッシャーの下で働く。
そのため、エンターテイメントメディアは積極的に自動化を求めている。
本稿では,プロット生成とスクリプト生成のタスクに対処する,黒澤というAIベースのスクリプト記述ワークベンチを提案する。
Plotジェネレーションは、プロンプト(15~40語)を与えられたコヒーレントで創造的なプロット(600~800語)を生成することを目的としている。
一方、スクリプト生成は、簡単な記述(15~40語)から脚本形式でシーン(200〜500語)を生成する。
黒沢は訓練にデータが必要です。
ストーリーテリングの4-act構造を使用して,プロットデータセットを手作業でアノテートする。
手動でアノテートされたプロットとそれに対応するプロンプト/ストーリーラインのデータセットと、シーンヘッダ、アクションライン、ダイアログ、文字名という4つの主要な要素を持つ1000のシーンのゴールドスタンダードデータセットを個別にタグ付けします。
上記のデータセットでGPT-3を微調整してプロットとシーンを生成する。
これらのプロットとシーンは最初に評価され、その後、巨大で有名なメディアプラットフォームであるErosNowの脚本家によって使用される。
注釈付きデータセットとこれらのデータセットでトレーニングされたモデルを、自動映画のプロットとスクリプト生成のためのワーキングベンチマークとしてリリースする。
関連論文リスト
- Movie101v2: Improved Movie Narration Benchmark [53.54176725112229]
大規模なバイリンガル映画ナレーションデータセットMovie101v2を開発した。
映画ナレーションの達成に欠かせない課題を考慮し、長期的な目標を3段階に分けた。
以上の結果から,映画ナレーション生成の達成は,徹底的な研究を必要とする魅力的な目標であることが示唆された。
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) - End-to-end Story Plot Generator [53.71807932386971]
本稿では,ストーリープロットの自動生成問題について考察する。
既存のプロットジェネレータは、ストーリープロットの計画段階において、数百から数千のLCMを呼び出す必要がある。
これらの課題に対処するために、textttOpenPlot$, $textttE2EPlot$, $textttRLPlot$という3つのモデルを提案する。
論文 参考訳(メタデータ) (2023-10-13T00:49:59Z) - 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) - CREATIVESUMM: Shared Task on Automatic Summarization for Creative
Writing [90.58269243992318]
本稿では,複数の創作分野,すなわち文学テキスト,映画脚本,テレビ脚本を要約する作業について紹介する。
4つのサブタスクとその対応するデータセットを導入し、本、映画脚本、プライムタイムテレビ脚本、昼間のソープオペラ脚本の要約に焦点を当てた。
COING 2022でのCREATIVESUMMワークショップの一環として、共有タスクには合計18の応募が寄せられた。
論文 参考訳(メタデータ) (2022-11-10T21:31:03Z) - 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) - 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) - PlotMachines: Outline-Conditioned Generation with Dynamic Plot State
Tracking [128.76063992147016]
PlotMachinesは、動的プロット状態を追跡することによってアウトラインをコヒーレントなストーリーに変換することを学習する、ニューラルな物語モデルである。
さらに,PlotMachinesを高レベルな談話構造で強化し,モデルが物語の異なる部分に対応する筆記スタイルを学習できるようにした。
論文 参考訳(メタデータ) (2020-04-30T17:16:31Z)
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。