論文の概要: Agentic generative AI for media content discovery at the national football league

• arxiv url: http://arxiv.org/abs/2510.07297v1
• Date: Wed, 08 Oct 2025 17:51:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.679351
• Title: Agentic generative AI for media content discovery at the national football league
• Title（参考訳）: ナショナルフットボールリーグにおけるメディアコンテンツ発見のためのエージェント生成AI
• Authors: Henry Wang, Sirajus Salekin, Jake Lee, Ross Claytor, Shinan Zhang, Michael Chi,
• Abstract要約: 生成AIベースのワークフローによってメディア研究者やアナリストが、自然言語を用いて関連する歴史的な戯曲をクエリできることを示す。 エージェントワークフローは、ユーザクエリを入力として取り、それを要素に分解し、基礎となるデータベースクエリ言語に変換する。 このソリューションは95%以上の精度を実現し、関連ビデオを見つけるのにかかる平均時間を10分から30秒に短縮する。
• 参考スコア（独自算出の注目度）: 2.5028398629312205
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Generative AI has unlocked new possibilities in content discovery and management. Through collaboration with the National Football League (NFL), we demonstrate how a generative-AI based workflow enables media researchers and analysts to query relevant historical plays using natural language rather than traditional filter-and-click interfaces. The agentic workflow takes a user query as input, breaks it into elements, and translates them into the underlying database query language. Accuracy and latency are further improved through carefully designed semantic caching. The solution achieves over 95 percent accuracy and reduces the average time to find relevant videos from 10 minutes to 30 seconds, significantly increasing the NFL's operational efficiency and allowing users to focus on producing creative content and engaging storylines.
• Abstract（参考訳）: 生成AIは、コンテンツ発見と管理の新たな可能性を解き放った。 NFL(National Football League)とのコラボレーションを通じて,メディア研究者やアナリストが,従来のフィルタ・アンド・クリックインタフェースではなく,自然言語による関連する歴史戯曲のクエリを可能にする,生成AIベースのワークフローを実証した。 エージェントワークフローは、ユーザクエリを入力として取り、それを要素に分解し、基礎となるデータベースクエリ言語に変換する。 慎重に設計されたセマンティックキャッシングによって、精度とレイテンシがさらに向上する。 このソリューションは95%以上の精度を達成し、関連ビデオを見つけるのにかかる平均時間を10分から30秒に短縮する。

関連論文リスト

• Stream RAG: Instant and Accurate Spoken Dialogue Systems with Streaming Tool Usage [66.67531241554546]
  従来のASR-LLM-TTSパイプラインに代わる強力な対話システムとして、エンドツーエンドの音声対話システムが登場している。 本稿では,音声入力システムに直接ツールの使用を拡張するための最初のアプローチを紹介する。 提案するStreaming Retrieval-Augmented Generation (Streaming RAG) は,ユーザ音声と並行してツールクエリを予測することにより,ユーザ知覚のレイテンシを低減する新しいフレームワークである。
  論文  参考訳（メタデータ） (2025-10-02T14:18:20Z)
• Halving transcription time: A fast, user-friendly and GDPR-compliant workflow to create AI-assisted transcripts for content analysis [0.0]
  質的研究では、データ書き起こしは労働集約的で時間を要することが多い。 このプロセスの迅速化のために、人工知能(AI)を利用したワークフローを開発した。 このワークフロー内では、音声記録から最初の書き起こしを生成するために自動音声認識が使用される。
  論文  参考訳（メタデータ） (2025-03-17T10:33:39Z)
• KamerRaad: Enhancing Information Retrieval in Belgian National Politics through Hierarchical Summarization and Conversational Interfaces [55.00702535694059]
  KamerRaadは、大きな言語モデルを活用するAIツールで、市民がベルギーの政治情報と対話的に関わるのを助ける。 このツールは、議会の手続きから重要な抜粋を抽出し、簡潔に要約し、次いで生成AIに基づくインタラクションの可能性を示す。
  論文  参考訳（メタデータ） (2024-04-22T15:01:39Z)
• Active Retrieval Augmented Generation [123.68874416084499]
  外部知識資源から情報を取得することで、大きな言語モデル(LM)を拡張することは、有望な解決策である。 ほとんどの既存の検索拡張LMは、入力に基づいて一度だけ情報を検索する検索と生成のセットアップを採用している。 本稿では,将来的な内容を予測するために,文の予測を反復的に利用する汎用手法であるフォワード・フォワード・アクティブ・レトリヴァル・ジェネレーション・ジェネレーション(FLARE)を提案する。
  論文  参考訳（メタデータ） (2023-05-11T17:13:40Z)
• GOAL: A Challenging Knowledge-grounded Video Captioning Benchmark for Real-time Soccer Commentary Generation [75.60413443783953]
  我々は,KGVC(Knowledge-grounded Video Captioning)として新たなタスク設定を提案するための,8.9k以上のサッカービデオクリップ,22kの文,42kの知識トリプルのベンチマークであるGOALを提案する。 私たちのデータとコードはhttps://github.com/THU-KEG/goal.orgで公開されています。
  論文  参考訳（メタデータ） (2023-03-26T08:43:36Z)
• Temporally-Aware Feature Pooling for Action Spotting in Soccer Broadcasts [86.56462654572813]
  私たちは、サッカーの試合の主なアクションを一時的にローカライズするサッカー放送におけるアクションスポッティングの分析に焦点を当てています。 時間的知識を組み込んだNetVLAD++という,NetVLADに基づく新たな機能プーリング手法を提案する。 我々は最近の大規模データセット SoccerNet-v2 の方法論をトレーニングし、評価し、アクションスポッティングのための平均平均mAP 53.4% に達した。
  論文  参考訳（メタデータ） (2021-04-14T11:09:03Z)
• Fine-grained Language Identification with Multilingual CapsNet Model [0.0]
  多言語コンテンツの生成と消費の爆発があります。 リアルタイムおよびきめ細かいコンテンツ分析サービスの必要性が高まっている。 音声言語検出の現在の技術は、これらの前線の1つに欠けている可能性がある。
  論文  参考訳（メタデータ） (2020-07-12T20:01:22Z)

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。