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

• 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)
• Agents' Room: Narrative Generation through Multi-step Collaboration [54.98886593802834]
  本稿では,物語の執筆を特殊エージェントが取り組んだサブタスクに分解する,物語理論に触発された世代フレームワークを提案する。 エージェントの部屋は,専門的評価者が好むストーリーをベースラインシステムより生成することを示す。
  論文  参考訳（メタデータ） (2024-10-03T15:44:42Z)
• 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)
• 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。