論文の概要: Copycat vs. Original: Multi-modal Pretraining and Variable Importance in Box-office Prediction

• arxiv url: http://arxiv.org/abs/2509.15277v1
• Date: Thu, 18 Sep 2025 12:41:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:10.842751
• Title: Copycat vs. Original: Multi-modal Pretraining and Variable Importance in Box-office Prediction
• Title（参考訳）: Copycat vs. Original:マルチモーダルプレトレーニングとボックスオフ予測における可変の重要性
• Authors: Qin Chao, Eunsoo Kim, Boyang Li,
• Abstract要約: 映画ポスターの視覚情報に、各映画のクラウドソースによる記述キーワードを接地することで、ボックスオフィスを予測するマルチモーダルニューラルネットワークを構築する。 コピーキャットのステータスと映画収入との間には肯定的な関係がある。
• 参考スコア（独自算出の注目度）: 5.581246103497544
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The movie industry is associated with an elevated level of risk, which necessitates the use of automated tools to predict box-office revenue and facilitate human decision-making. In this study, we build a sophisticated multimodal neural network that predicts box offices by grounding crowdsourced descriptive keywords of each movie in the visual information of the movie posters, thereby enhancing the learned keyword representations, resulting in a substantial reduction of 14.5% in box-office prediction error. The advanced revenue prediction model enables the analysis of the commercial viability of "copycat movies," or movies with substantial similarity to successful movies released recently. We do so by computing the influence of copycat features in box-office prediction. We find a positive relationship between copycat status and movie revenue. However, this effect diminishes when the number of similar movies and the similarity of their content increase. Overall, our work develops sophisticated deep learning tools for studying the movie industry and provides valuable business insight.
• Abstract（参考訳）: 映画産業はリスクの高水準と結びついており、ボックスオフ収益の予測と人的意思決定を促進するために自動化ツールを使用する必要がある。 本研究では,映画ポスターの視覚情報に,各映画のクラウドソースによる記述キーワードを接地することで,ボックスオフィスを予測できる高度なマルチモーダルニューラルネットワークを構築した。 収益予測モデルにより、最近公開された映画とかなり類似した「コピーキャット映画」や映画の商業的生存可能性の分析が可能になる。 ボックスオフ予測におけるコピーキャット機能の影響を計算することで実現している。 コピーキャットのステータスと映画収入との間には肯定的な関係がある。 しかし、類似映画の数と内容の類似度が増加すると、この効果は低下する。 本研究は、映画産業研究のための高度な深層学習ツールを開発し、貴重なビジネスインサイトを提供する。

関連論文リスト

• Movie Revenue Prediction using Machine Learning Models [0.5735035463793009]
  このプロジェクトの目的は、映画名、MPAA評価、映画のジャンル、公開年、IMDbレーティング、視聴者、監督、脚本家、主演キャストなどの入力機能に基づいて映画収益を予測する機械学習モデルを開発することである。 得られたモデルは、有望な精度と一般化を提供し、映画業界における情報的意思決定が利益を最大化するのに役立つ。
  論文  参考訳（メタデータ） (2024-05-19T19:32:12Z)
• MoviePuzzle: Visual Narrative Reasoning through Multimodal Order Learning [47.59806301773499]
  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)
• Movie Box Office Prediction With Self-Supervised and Visually Grounded Pretraining [3.0129184593285387]
  本研究では,自己指導型事前学習がアクター,ディレクター,ユーザ生成コンテンツ関連キーワードの効果的な表現学習に与える影響について検討する。 35,794本の映画からなる大規模なデータセットの実験は、自己監督型トレーニングと視覚的グラウンドティングの大きな利点を示している。
  論文  参考訳（メタデータ） (2023-04-20T13:42:27Z)
• WE model: A Machine Learning Model Based on Data-Driven Movie Derivatives Market Prediction [12.410848737065438]
  本稿では,機械学習技術に基づく高精度映画マーチャンジ予測モデルWEモデルを提案する。 マーチャンダイスの市場における予測と評価の精度は72.5%に達し、市場コントロール効果が強い。
  論文  参考訳（メタデータ） (2022-07-06T03:47:15Z)
• Finding the Right Moment: Human-Assisted Trailer Creation via Task Composition [63.842627949509414]
  我々は、トレーラーに含まれる可能性がある映画、すなわちショットのトレーラーの瞬間を見つけることに重点を置いている。 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。 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監督のアプローチで選択した映画からトレーラーの瞬間を選択する。 このツールを使うと、30分以内のトレーラーショットを選択でき、完全に自動的な方法よりも優れており、専門家による(排他的な)手動選択に匹敵する。
  論文  参考訳（メタデータ） (2021-11-16T20:50:52Z)
• From None to Severe: Predicting Severity in Movie Scripts [10.536898728548838]
  まず, 性, 暴力, 嫌悪感, 物質消費, 恐怖の5つの側面から, 映画の日常的重大度を分類する。 この問題は、予測の解釈性を同時に改善するシアムネットワークベースのマルチタスクフレームワークを用いて処理される。
  論文  参考訳（メタデータ） (2021-09-20T03:01:46Z)
• Analyzing movies to predict their commercial viability for producers [0.0]
  我々は、今後のフィルムのリターンを予測できるモデルを開発する。 このモデルの将来的な応用は、映画業界で見られ、プロダクション企業は彼らのプロジェクトの期待するリターンをより正確に予測できる。
  論文  参考訳（メタデータ） (2021-01-05T18:42:38Z)
• 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)
• Screenplay Quality Assessment: Can We Predict Who Gets Nominated? [53.9153892362629]
  本稿では,言語的手がかりに基づく脚本の品質評価手法を提案する。 産業の意見やナラトロジーに基づいて、ドメイン固有の特徴を共通分類技法に抽出し、統合する。
  論文  参考訳（メタデータ） (2020-05-13T02:39:56Z)

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。