論文の概要: Timing In stand-up Comedy: Text, Audio, Laughter, Kinesics (TIC-TALK): Pipeline and Database for the Multimodal Study of Comedic Timing

• arxiv url: http://arxiv.org/abs/2603.21803v1
• Date: Mon, 23 Mar 2026 10:46:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.613892
• Title: Timing In stand-up Comedy: Text, Audio, Laughter, Kinesics (TIC-TALK): Pipeline and Database for the Multimodal Study of Comedic Timing
• Title（参考訳）: スタンドアップコメディーにおけるタイミング:テキスト、オーディオ、娘、キネシクス(TIC-TALK):喜劇のマルチモーダル研究のためのパイプラインとデータベース
• Authors: Yaelle Zribi, Florian Cafiero, Vincent Lépinay, Chahan Vidal-Gorène,
• Abstract要約: TIC-TALKは、言語、ジェスチャー、オーディエンス応答を5,400以上の時間的に整列したトピックセグメントを持つマルチモーダルリソースである。 このパイプラインはBERTopicを60秒のテーマセグメンテーションに、密集した文の埋め込みに、Whisper-ATを0.8秒の笑い検出に、YOLOv8sを1fpsの生キーポイント抽出に組み合わせている。
• 参考スコア（独自算出の注目度）: 0.07777489763207261
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Stand-up comedy, and humor in general, are often studied through their verbal content. Yet live performance relies just as much on embodied presence and audience feedback. We introduce TIC-TALK, a multimodal resource with 5,400+ temporally aligned topic segments capturing language, gesture, and audience response across 90 professionally filmed stand-up comedy specials (2015-2024). The pipeline combines BERTopic for 60 s thematic segmentation with dense sentence embeddings, Whisper-AT for 0.8 s laughter detection, a fine-tuned YOLOv8-cls shot classifier, and YOLOv8s-pose for raw keypoint extraction at 1 fps. Raw 17-joint skeletal coordinates are retained without prior clustering, enabling the computation of continuous kinematic signals-arm spread, kinetic energy, and trunk lean-that serve as proxies for performance dynamics. All streams are aligned by hierarchical temporal containment without resampling, and each topic segment stores its sentence-BERT embedding for downstream similarity and clustering tasks. As a concrete use case, we study laughter dynamics across 24 thematic topics: kinetic energy negatively predicts audience laughter rate (r = -0.75, N = 24), consistent with a stillness-before-punchline pattern; personal and bodily content elicits more laughter than geopolitical themes; and shot close-up proportion correlates positively with laughter (r = +0.28), consistent with reactive montage.
• Abstract（参考訳）: スタンドアップコメディやユーモアは、しばしば彼らの言葉の内容を通して研究される。 しかし、ライブパフォーマンスは、具体的存在とオーディエンスからのフィードバックにのみ依存する。 我々は,言語,ジェスチャー,オーディエンスを捉えた5,400以上の時間的に整列したトピックセグメントを持つマルチモーダル・リソースであるTIC-TALKを,90のプロ映画化されたスタンドアップ・コメディ・スペシャル(2015-2024)で紹介する。 このパイプラインは、BERTopic for 60 sthematic segmentation with dense sentence embeddeds, Whisper-AT for 0.8 s laughter detection, a fine-tuned YOLOv8-cls shot classification, and YOLOv8s-pose for raw keypoint extract at 1 fps と組み合わせている。 生の17個の骨格座標は、事前のクラスタリングなしに保持され、連続的なキネマティック信号アームの拡散、運動エネルギー、トランクリーンの計算を可能にし、パフォーマンスダイナミクスのプロキシとして機能する。 すべてのストリームは、再サンプリングなしで階層的な時間的包摂によって整列され、各トピックセグメントは、下流の類似性やクラスタリングタスクのために、文-BERT埋め込みを格納する。 運動エネルギーは観客の笑い速度 (r = -0.75, N = 24) を負に予測し, 静止前のパターンと一致し, 個人的および身体的内容は、地政学的なテーマよりも笑いを多く引き起こす; シュートアップの割合は、笑い(r = +0.28)と正に相関し、反応的なモンタージュと一致している。

関連論文リスト

• Real-Time Generation of Game Video Commentary with Multimodal LLMs: Pause-Aware Decoding Approaches [69.57389826203699]
  本研究は,文脈内プロンプトだけで,意味論的に関連性があり,良好なリアルタイムコメント生成をサポートできるかどうかを考察する。 提案手法は,1)固定区間法,2)動的区間法に基づく復号法である。 日本語と英語の競馬ゲームデータセットを用いた実験により,動的間隔に基づく復号化は,プロンプトのみを用いて,人間の発話タイミングや内容とより密に一致した注釈を生成できることが示されている。
  論文  参考訳（メタデータ） (2026-03-03T06:39:04Z)
• HumorPlanSearch: Structured Planning and HuCoT for Contextual AI Humor [0.5076419064097734]
  HumorPlanSearchは、多様なトピックに適した戦略を通じてコンテキストを明示的にモデル化するモジュールパイプラインである。 コンテクストの感度と喜劇的品質を評価するために,直接評価,マルチペルソナフィードバック,ペアワイズウインレート,トピック関連性を融合したHumor Generation Score (HGS)を提案する。
  論文  参考訳（メタデータ） (2025-08-15T12:07:56Z)
• From Punchlines to Predictions: A Metric to Assess LLM Performance in Identifying Humor in Stand-Up Comedy [6.124881326867511]
  大きな言語モデルが広く採用されていることを踏まえ、ユーモアとAIの交わりは笑い事ではない。 本研究では,スタンドアップコメディの書き起こしからユーモラスな引用を正確に識別するモデルの有効性を評価する。 ユーモラスなパンチラインを抽出する能力について,様々なプロンプトの中からLLMを評価するために考案された新しいユーモラス検出指標を提案する。
  論文  参考訳（メタデータ） (2025-04-12T02:19:53Z)
• The MuSe 2024 Multimodal Sentiment Analysis Challenge: Social Perception and Humor Recognition [64.5207572897806]
  マルチモーダル・センティメント・アナリティクス・チャレンジ (MuSe) 2024は、現代の2つのマルチモーダル・インフルエンスと感情分析の問題に対処する。 Social Perception Sub-Challenge (MuSe-Perception)では、参加者は16種類の個人の社会的属性を予測する。 クロスカルカルカルチャー・ヒューモー検出サブチャレンジ(MuSe-Humor)データセットは、Passau Spontaneous Football Coach Humorデータセット上に拡張される。
  論文  参考訳（メタデータ） (2024-06-11T22:26:20Z)
• Laughing Matters: Introducing Laughing-Face Generation using Diffusion Models [35.688696422879175]
  そこで本研究では,静止画と笑いを含む音声クリップを用いて,リアルな笑い系列を生成する新しいモデルを提案する。 我々は、さまざまな笑いデータセットに基づいてモデルをトレーニングし、笑いのために特別に設計された評価指標を導入する。 本モデルでは,笑声生成のために再訓練された場合でも,すべての指標に対して最先端のパフォーマンスが達成される。
  論文  参考訳（メタデータ） (2023-05-15T17:59:57Z)
• The MuSe 2023 Multimodal Sentiment Analysis Challenge: Mimicked Emotions, Cross-Cultural Humour, and Personalisation [69.13075715686622]
  MuSe 2023は、現代の3つの異なるマルチモーダル感情と感情分析の問題に対処する共有タスクの集合である。 MuSe 2023は、さまざまな研究コミュニティから幅広いオーディエンスを集めようとしている。
  論文  参考訳（メタデータ） (2023-05-05T08:53:57Z)
• Unsupervised Audio-Visual Lecture Segmentation [31.29084124332193]
  AVLecturesは,STEMを対象とする2,350以上の講義を対象とする86のコースからなるデータセットである。 第2のコントリビューションは,ビデオ講義セグメンテーションの導入である。 我々はこれらの表現を用いて時間的に一貫した1-アネレスト隣のアルゴリズムTW-FINCHを用いてセグメントを生成する。
  論文  参考訳（メタデータ） (2022-10-29T16:26:34Z)
• Towards Multimodal Prediction of Spontaneous Humour: A Novel Dataset and First Results [84.37263300062597]
  風は人間の社会的行動、感情、認知の重要な要素である。 現在のユーモア検出法は、ステージ化されたデータのみに基づいており、「現実世界」の応用には不十分である。 約11時間の記録を含むPassau-Spontaneous Football Coach Humorデータセットを導入することで,この障害への対処に寄与する。
  論文  参考訳（メタデータ） (2022-09-28T17:36:47Z)
• HunYuan_tvr for Text-Video Retrivial [23.650824732136158]
  HunYuan_tvrはビデオ文、クリップフレーズ、フレームワード関係を同時に探索することで階層的相互モーダル相互作用を探索する。 HunYuan_tvr は、それぞれ MSR-VTT, MSVD, LSMDC, DiDemo, ActivityNet の Rank@1 of 55.0%, 57.8%, 29.7%, 52.1%, 57.3% といった様々なベンチマークで、新しい最先端の結果を得る。
  論文  参考訳（メタデータ） (2022-04-07T11:59:36Z)
• Disentangled Representation Learning for Text-Video Retrieval [51.861423831566626]
  テキスト・ビデオ検索(TVR)における相互モダリティの相互作用 我々は相互作用のパラダイムを深く研究し、その計算を2つの項に分けることができることを示した。 本稿では,逐次的かつ階層的な表現を捉えるための非絡み合いフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-14T13:55:33Z)
• "So You Think You're Funny?": Rating the Humour Quotient in Standup Comedy [24.402762942487367]
  そこで我々は,聴衆の笑い声を用いて,ユーモアに満ちたスコアでトレーニングデータをアノテートするための新しいスコアリング機構を考案した。 このユーモアスコアを5点スケール(0-4)で計算するために、各クリップにおける笑いの正規化期間(笑い時間で割った笑い時間)を用いる。 このデータセットを使用して、オーディオとその対応するテキストから、5ポイントのスケールで「楽しい」スコアを提供するモデルをトレーニングします。
  論文  参考訳（メタデータ） (2021-10-25T09:46:46Z)

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。