論文の概要: An Interpretable Linguistically-Grounded Analysis of Scene Saliency in Movie Screenplays

• arxiv url: http://arxiv.org/abs/2610.15544v1
• Date: Sun, 11 Oct 2026 11:36:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 18:01:29.946296
• Title: An Interpretable Linguistically-Grounded Analysis of Scene Saliency in Movie Screenplays
• Title（参考訳）: 映画画面におけるシーン・サリエンシの解釈可能な言語学的解析
• Abstract要約: 映画脚本におけるサリエンスに影響を及ぼす要因を,2つの研究課題に対処して検討した。 両質問の回答は,Lingguistically-Grounded Salience Model(LGSM)と組み合わせたMENSAコーパスの制御コーパススタディを通じて行われる。 L GSMは、このシグネチャを利用して、強力なセマンティックベースライン上での健全なシーンのリコールを改善し、下流の要約をより良くする。
• 参考スコア（独自算出の注目度）: 3.7425647881815975
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We investigate the factors affecting salience in movie screenplay by posing two research questions: 1. {\em Does Uniform Information Density (UID) predict salient scenes?} 2. {\em What other linguistic properties distinguish salient scenes from non-salient background?} We answer both questions through a controlled corpus study on the MENSA corpus, paired with a Linguistically-Grounded Salience Model (LGSM), a dual-stream classifier that fuses a frozen BERT encoder with explicit linguistic features through adaptive gating. The UID picture is layered in long-form discourse. Per-scene UID summaries carry no independent signal once length is controlled, but at the token level salient scenes match non-salient material in the bulk while specifically suppressing the rarest, hardest-to-predict tokens in the upper tail. UID therefore lives at the within-scene token level rather than as a per-scene aggregate. Salient scenes also show a moderate and sustained cast of central characters (following an inverted-U pattern), strong third-person usage, syntactically simpler language, and more abstract vocabulary about motivation and conflict. LGSM exploits this signature and improves recall on salient scenes over a strong semantic baseline while yielding better downstream summaries.
• Abstract（参考訳）: 映画脚本におけるサリエンスに影響を及ぼす要因を2つの研究課題にふまえて検討する。 一 均一情報密度(UID)は健全な場面を予測するか? ※ 2. その他の言語学的特性は、聖なる場面と非聖なる背景を区別する。 適応ゲーティングにより,凍結したBERTエンコーダを明示的な言語的特徴を融合させる二流分類器であるLinguistically-Grounded Salience Model (LGSM) と組み合わせた,MENSAコーパスの制御コーパス研究を通じて,両方の質問に答える。 UID画像は長めの談話で階層化されている。 シーンごとのUIDサマリーは、長さが一度制御されると独立した信号は持たないが、トークンレベルでの顕著なシーンは、バルク内の非塩分物質と一致し、上尾の最も稀で、予測しにくいトークンを具体的に抑制する。 したがって、UIDはシーンごとの集合としてではなく、シーン内のトークンレベルに存在する。 サイレントなシーンはまた、中程度で持続的な中央人物のキャスト(逆Uパターンに従う)、強い第三者の使用、構文的に単純な言語、モチベーションと対立に関するより抽象的な語彙も示している。 LGSMは、このシグネチャを利用して、強力なセマンティックベースライン上での健全なシーンのリコールを改善し、下流の要約をより良くする。

関連論文リスト

• Beyond Visual Boundaries: Rethinking Scene Segmentation for Movie RAG [26.7662002828488]
  検索拡張世代(RAG)は、グラウンドドジェネレーションのための関連ビデオセグメントを選択的に検索することで、有望な中間層を提供する。 映画理解のためのRAGについて検討し,何時間ものコンテンツにまたがるキャラクター,イベント,物語の弧について,ストーリーレベルの推論を求める。 物語中心のシーンセグメンテーションデータセットであるNarraSceneを紹介する。
  論文  参考訳（メタデータ） (2026-08-27T14:25:32Z)
• Dual-Stream Cross-Anchor Correction Grounding Long-Form Captions and the Domain Limits of Object-Level Anchors [7.647944993041615]
  本稿では,Dual-Stream Cross-Anchor Correction (DSCC)を提案する。 後処理の復号処理とは異なり、DSCCは微調整中にオブジェクトレベルの視覚アンカーを言語モデル自体に注入する。 実験は長いカプセル化幻覚、オブジェクト存在差別、ドメイン間の一般化にまたがる。
  論文  参考訳（メタデータ） (2026-08-13T02:52:58Z)
• FunCineForge: A Unified Dataset Toolkit and Model for Zero-Shot Movie Dubbing in Diverse Cinematic Scenes [56.534404169212785]
  FunCineForgeは、大規模なダビングデータセットのためのエンドツーエンド生産パイプラインと、さまざまな撮影シーン用に設計されたMLLMベースのダビングモデルで構成されている。 リッチアノテーションを用いた中国初のテレビダビングデータセットを構築し,その高品質性を実証する。 モノローグ,ナレーション,対話,マルチスピーカーシーンにおける実験により,我々のダビングモデルは音質,リップシンク,音色伝達,指示追従のSOTA手法より一貫して優れていた。
  論文  参考訳（メタデータ） (2026-01-21T08:57:00Z)
• Text2Lip: Progressive Lip-Synced Talking Face Generation from Text via Viseme-Guided Rendering [53.2204901422631]
  Text2Lipは、解釈可能な音声-視覚ブリッジを構築するビセメ中心のフレームワークである。 Text2Lipは、意味的忠実性、視覚的リアリズム、モダリティの堅牢性において、既存のアプローチよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-08-04T12:50:22Z)
• Kronecker Mask and Interpretive Prompts are Language-Action Video Learners [23.325272595629773]
  対照的な言語イメージ事前学習は、画像に基づく視覚学習を大幅に進歩させた。 近年の研究では、行動認識のためのCLIPのテキストまたは視覚分岐の調整に焦点が当てられている。 両ブランチの適応は不可欠である、と我々は主張する。
  論文  参考訳（メタデータ） (2025-02-05T19:03:58Z)
• Select and Summarize: Scene Saliency for Movie Script Summarization [11.318175666743656]
  そこで本研究では,100本の映画に対して,人間による注釈付きサリエントシーンからなるシーン・サリエンシ・データセットを提案する。 そこで本研究では,まずスクリプト中の健全なシーンを識別し,そのシーンのみを用いて要約を生成する2段階の抽象要約手法を提案する。
  論文  参考訳（メタデータ） (2024-04-04T16:16:53Z)
• GPT4SGG: Synthesizing Scene Graphs from Holistic and Region-specific Narratives [69.36723767339001]
  我々は,より正確で包括的なシーングラフ信号を得るために,textitGPT4SGという新しいフレームワークを提案する。 textitGPT4SGGは、画像キャプチャーデータに基づいて訓練されたSGGモデルの性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-12-07T14:11:00Z)
• Learning Grounded Vision-Language Representation for Versatile Understanding in Untrimmed Videos [57.830865926459914]
  本稿では,情報イベントを自動的に検出する未編集ビデオのための視覚言語学習フレームワークを提案する。 粗いレベルのビデオ言語アライメントの代わりに、細かなセグメントレベルのアライメントを促進するために、2つの二重プレテキストタスクを提示する。 我々のフレームワークは、視覚的な言語理解と生成のタスクに容易に対応できる。
  論文  参考訳（メタデータ） (2023-03-11T11:00:16Z)
• Cross-Sentence Temporal and Semantic Relations in Video Activity Localisation [79.50868197788773]
  我々は、クロスセンスリレーショナルマイニングを導入して、より正確な教師付きソリューションを開発する。 本稿では,(1)トリミング順序付けと(2)ビデオ活動の段落記述における文間の意味的一貫性の2つの横断的関係性制約について検討する。 2つのパブリックなアクティビティローカライゼーションデータセットの実験は、最先端の弱い教師付き手法に対する我々のアプローチの利点を示している。
  論文  参考訳（メタデータ） (2021-07-23T20:04:01Z)

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。