Fugu-MT 論文翻訳(概要): Once More, With Feeling: Measuring Emotion of Acting Performances in Contemporary American Film

論文の概要: Once More, With Feeling: Measuring Emotion of Acting Performances in Contemporary American Film

arxiv url: http://arxiv.org/abs/2411.10018v1
Date: Fri, 15 Nov 2024 07:53:02 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-18 15:38:33.605160
Title: Once More, With Feeling: Measuring Emotion of Acting Performances in Contemporary American Film
Title（参考訳）: 現代アメリカ映画における演技の感情を測る「フィーリング」
Authors: Naitian Zhou, David Bamman,
Abstract要約: ポピュラーな現代アメリカ映画に音声感情認識モデルを適用した。音声演奏において,物語構造,ダイアクロニックシフト,ジャンルや対話に基づく制約が認められる。
参考スコア（独自算出の注目度）: 11.023300194166993
License:
Abstract: Narrative film is a composition of writing, cinematography, editing, and performance. While much computational work has focused on the writing or visual style in film, we conduct in this paper a computational exploration of acting performance. Applying speech emotion recognition models and a variationist sociolinguistic analytical framework to a corpus of popular, contemporary American film, we find narrative structure, diachronic shifts, and genre- and dialogue-based constraints located in spoken performances.
Abstract（参考訳）: ナラティブ・フィルム(英: Narrative film)は、脚本、撮影、編集、上演などの作品である。多くの計算研究が映画における筆記や視覚スタイルに焦点を合わせてきたが、本論文では演技性能の計算的探索を行っている。音声感情認識モデルと変分主義社会言語分析の枠組みをポピュラーな現代アメリカ映画コーパスに適用すると、物語構造、ダイアクロニックシフト、およびジャンルと対話に基づく制約が音声演奏に存在することが分かる。

関連論文リスト

Are Large Language Models Capable of Generating Human-Level Narratives? [114.34140090869175]
本稿ではストーリーテリングにおけるLLMの能力について考察し,物語の展開とプロットの進行に着目した。本稿では,3つの談話レベルの側面から物語を分析するための新しい計算フレームワークを提案する。談話機能の明示的な統合は、ニューラルストーリーテリングの40%以上の改善によって示されるように、ストーリーテリングを促進することができることを示す。
論文参考訳（メタデータ） (2024-07-18T08:02:49Z)
Dynamic Typography: Bringing Text to Life via Video Diffusion Prior [73.72522617586593]
動的タイポグラフィー(Dynamic Typography)と呼ばれる自動テキストアニメーション方式を提案する。意味的意味を伝えるために文字を変形させ、ユーザプロンプトに基づいて活気ある動きを注入する。本手法は,ベクトルグラフィックス表現とエンドツーエンド最適化に基づくフレームワークを利用する。
論文参考訳（メタデータ） (2024-04-17T17:59:55Z)
How you feelin'? Learning Emotions and Mental States in Movie Scenes [9.368590075496149]
我々は、感情理解を、映画シーンのレベルで多様なマルチラベルの感情の集合を予測するものとして定式化する。 EmoTxはマルチモーダルトランスフォーマーベースのアーキテクチャで、ビデオ、複数の文字、ダイアログの発話を取り込み、共同予測を行う。
論文参考訳（メタデータ） (2023-04-12T06:31:14Z)
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)
TVShowGuess: Character Comprehension in Stories as Speaker Guessing [23.21452223968301]
物語における架空のキャラクターを理解するための機械のスキルを評価するための新しいタスクを提案する。タスクであるTVShowGuessは、TVシリーズのスクリプトをベースとして、シーンの背景や対話に基づいて匿名のメインキャラクターを推測する形式をとっている。我々の人間による研究は、キャラクターの個性、事実、個性体験の記憶など、複数の種類の人格の理解をカバーしている。
論文参考訳（メタデータ） (2022-04-16T05:15:04Z)
ViNTER: Image Narrative Generation with Emotion-Arc-Aware Transformer [59.05857591535986]
様々な感情を「感情弧」として表現する時系列に焦点をあてた画像物語を生成するモデルViNTERを提案する。手動評価と自動評価の両方の実験結果を示す。
論文参考訳（メタデータ） (2022-02-15T10:53:08Z)
Discourse Analysis for Evaluating Coherence in Video Paragraph Captions [99.37090317971312]
ビデオ段落のコヒーレンスを評価するための,新しい談話に基づく枠組みを検討中である。ビデオのコヒーレンスに条件付き段落のコヒーレンスをモデル化する上で,ビデオの談話表現が中心となる。実験の結果,提案手法は,ビデオ段落のコヒーレンスをベースライン法よりも有意に向上させることがわかった。
論文参考訳（メタデータ） (2022-01-17T04:23:08Z)
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)
Collaborative Storytelling with Human Actors and AI Narrators [2.8575516056239576]
GPT-3 citebrown 2020 を用いた物語のコナレーションについて報告する。 AIシステムは、人間の俳優がシーンを演じている間、プロットの進行とキャラクターの弧を追跡する必要がある。
論文参考訳（メタデータ） (2021-09-29T21:21:35Z)
Affect2MM: Affective Analysis of Multimedia Content Using Emotion Causality [84.69595956853908]
本稿では,マルチメディアコンテンツを対象とした時系列感情予測学習手法であるAffect2MMを提案する。私たちの目標は、現実の人間中心の状況や行動でキャラクターが描く様々な感情を自動的に捉えることです。
論文参考訳（メタデータ） (2021-03-11T09:07:25Z)
Fine-grained Emotion and Intent Learning in Movie Dialogues [1.2891210250935146]
OpenSubtitlesコーパスから取得した1Mの対話からなる、新しい大規模感情対話データセットを提案する。本研究は,映画の字幕の前処理や,アノテートに優れた映画対話の選択に使用される複雑なパイプラインを説明する。このような感情対話の分類は、データセットのサイズと微粒な感情と意図のカテゴリーの両方において試みられたことがない。
論文参考訳（メタデータ） (2020-12-25T20:29:56Z)

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。