論文の概要: Trailer Reimagined: An Innovative, Llm-DRiven, Expressive Automated Movie Summary framework (TRAILDREAMS)

• arxiv url: http://arxiv.org/abs/2602.02630v1
• Date: Mon, 02 Feb 2026 17:53:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:14.993467
• Title: Trailer Reimagined: An Innovative, Llm-DRiven, Expressive Automated Movie Summary framework (TRAILDREAMS)
• Title（参考訳）: Trailer Reimagined: An Innovative, Llm-DRiven, Expressive Automated Movie Summary framework (TRAILDREAMS)
• Authors: Roberto Balestri, Pasquale Cascarano, Mirko Degli Esposti, Guglielmo Pescatore,
• Abstract要約: TRAILDREAMSは大規模言語モデル(LLM)を用いて映画トレーラーの製作を自動化するフレームワークである。 比較評価では、TRAILDREAMSは視聴者評価において現在の最先端のトレーラー生成手法を上回っている。 しかし、実際の人造トレーラーと比べると、まだ不足している。
• 参考スコア（独自算出の注目度）: 0.41998444721319217
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces TRAILDREAMS, a framework that uses a large language model (LLM) to automate the production of movie trailers. The purpose of LLM is to select key visual sequences and impactful dialogues, and to help TRAILDREAMS to generate audio elements such as music and voiceovers. The goal is to produce engaging and visually appealing trailers efficiently. In comparative evaluations, TRAILDREAMS surpasses current state-of-the-art trailer generation methods in viewer ratings. However, it still falls short when compared to real, human-crafted trailers. While TRAILDREAMS demonstrates significant promise and marks an advancement in automated creative processes, further improvements are necessary to bridge the quality gap with traditional trailers.
• Abstract（参考訳）: 本稿では,大規模言語モデル(LLM)を用いて映画トレーラーの製作を自動化するフレームワークであるTRAILDREAMSを紹介する。 LLMの目的は、重要な視覚的シーケンスとインパクトのある対話を選択し、TRAILDREAMSが音楽やボイスオーバーなどのオーディオ要素を生成するのを助けることである。 目標は、魅力的で視覚的に魅力的なトレーラーを効率的に生産することである。 比較評価では、TRAILDREAMSは視聴者評価において現在の最先端のトレーラー生成手法を上回っている。 しかし、実際の人造トレーラーと比べると、まだ不足している。 TRAILDREAMSは有望であり、自動化された創造プロセスの進歩を示す一方で、従来のトレーラーと品質のギャップを埋めるためにさらなる改善が必要である。

関連論文リスト

• The Script is All You Need: An Agentic Framework for Long-Horizon Dialogue-to-Cinematic Video Generation [95.18045807704284]
  対話・シネマティック・ビデオ生成のためのエンドツーエンドのエージェント・フレームワークを提案する。 ScripterAgentは粗い対話を微粒で実行可能なシネマティックスクリプトに変換するように訓練されている。 本フレームワークは,テスト対象のすべてのビデオモデルに対して,スクリプトの忠実度と時間的忠実度を大幅に向上させる。
  論文  参考訳（メタデータ） (2026-01-25T08:10:28Z)
• Self-Paced and Self-Corrective Masked Prediction for Movie Trailer Generation [40.42119751907875]
  現在、ほとんどの既存の自動トレーラー生成手法は「選択段階」パラダイムを採用している。 本稿では,双方向のコンテキストモデリングと進行自己補正により,最先端のトレーラー自動生成を実現するSSMPを提案する。 定量的な結果とユーザスタディの両方が,既存の自動トレーラー生成法と比較してSSMPの優位性を示している。
  論文  参考訳（メタデータ） (2025-12-04T03:44:34Z)
• Towards Automated Movie Trailer Generation [98.9854474456265]
  本稿では,エンコーダ・デコーダアーキテクチャを利用したディープラーニングフレームワークTGTを紹介する。 自動回帰トレーラーデコーダは、次のトレーラーショットの特徴表現を予測する。 当社のTGTは、総合的なメトリクススイートにおいて、従来の方法よりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-04-04T14:28:34Z)
• AI based approach to Trailer Generation for Online Educational Courses [0.0]
  提案するフレームワークは,ビデオトレーラ生成のためのテンプレートベースの手法である。 提案したトレーラーは、コンテンツの選択、パラフレーズ化、生成によって生成される様々なフラグメントからなるタイムラインの形式である。 我々は,63人の評価者を用いて,システムによって生成されたトレーラの評価を行う。
  論文  参考訳（メタデータ） (2023-01-10T13:33:08Z)
• 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)
• 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)

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。