論文の概要: A Multimodal Framework for Measuring Creator Communication on Short-Form Video

• arxiv url: http://arxiv.org/abs/2610.33043v1
• Date: Fri, 16 Oct 2026 10:41:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 06:06:26.151319
• Title: A Multimodal Framework for Measuring Creator Communication on Short-Form Video
• Title（参考訳）: ショートフォームビデオにおけるクリエータコミュニケーション計測のためのマルチモーダルフレームワーク
• Abstract要約: 本稿では,クリエーターのテーマとコミュニケーション戦略を大規模に測定するための5段階のマルチモーダルフレームワークを提案する。 このフレームワークは、プラットフォームメタデータ、音声書き起こし、サンプルフレームの視覚言語記述を統合する。 我々は、このフレームワークを16人のクリエーターによる9,852本のTikTokビデオでデモし、7つのテーマと7つのコミュニケーション指標で分析するための7,311本のビデオを保存した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Short-form video combines speech, imagery, and on-screen text, creating challenges for systematic content analysis. We present a five-stage multimodal framework for measuring creators' themes and communication strategies at scale. The framework integrates platform metadata, speech transcripts, and vision-language descriptions of sampled frames, then applies large language models to generate predefined indicators and open-ended labels. An audited keyword scheme consolidates thematic labels, while creator-weighted aggregation gives each account equal weight regardless of posting volume. We demonstrate the framework on 9,852 TikTok videos from sixteen creators, retaining 7,311 videos for analysis across seven themes and seven communication indicators. Automated profiles reveal substantial differences in creators' use of education, humor, and responses to current events. Validation against two independent expert annotators yielded a mean framework-expert agreement of Cohen's $κ= 0.40$ across the six binary indicators, close to the $κ= 0.42$ the two experts achieved with each other, though agreement varied substantially across individual indicators. The framework provides a modular approach to comparative analysis of creator communication, combining scalable annotation with transparent aggregation and construct-specific validation.
• Abstract（参考訳）: ショートフォームビデオは、音声、画像、画面上のテキストを組み合わせることで、システマティックなコンテンツ分析の課題を生み出す。 本稿では,クリエーターのテーマとコミュニケーション戦略を大規模に測定するための5段階のマルチモーダルフレームワークを提案する。 このフレームワークは、プラットフォームメタデータ、音声書き起こし、サンプルフレームの視覚言語記述を統合し、事前定義された指標とオープンエンドラベルを生成するために大きな言語モデルを適用する。 監査されたキーワードスキームは、テーマラベルを集約し、クリエーターが重み付けしたアグリゲーションは、ポストボリュームに関係なく各アカウントに等しく重みを与える。 我々は、このフレームワークを16人のクリエーターによる9,852本のTikTokビデオでデモし、7つのテーマと7つのコミュニケーション指標で分析するための7,311本のビデオを保存した。 自動プロファイルは、クリエイターによる教育、ユーモア、そして現在の出来事に対する反応に大きな違いを示す。 2つの独立した専門家アノテータに対する検証は、コーエンが6つのバイナリ指標に対して0.40ドルという平均的なフレームワーク-専門家の合意を得た。 このフレームワークは、拡張性のあるアノテーションと透過的なアグリゲーションと構成固有のバリデーションを組み合わせた、クリエーターコミュニケーションの比較分析のためのモジュラーなアプローチを提供する。

関連論文リスト

• MMAE: A Massive Multitask Audio Editing Benchmark [66.74229858407413]
  MMAEは汎用的な命令ベースの音声編集のために設計された最初の総合的な評価テストベッドである。 2,000個の高忠実度サンプルを、先駆的なルーリック評価フレームワークと組み合わせて構成する。 評価の結果,既存のシステムは信頼性の高い編集には程遠いことが判明した。
  論文  参考訳（メタデータ） (2026-06-05T12:52:41Z)
• From Content to Audience: A Multimodal Annotation Framework for Broadcast Television Analytics [1.6639892342953113]
  マルチモーダル大言語モデル(MLLM)は、強力な汎用ビデオ理解能力を示している。 本稿では,イタリアにおけるテレビ放送におけるマルチモーダル・アノテーション・パイプラインの体系的評価について述べる。
  論文  参考訳（メタデータ） (2026-03-24T13:46:51Z)
• One Battle After Another: Probing LLMs' Limits on Multi-Turn Instruction Following with a Benchmark Evolving Framework [51.50565654314582]
  大規模言語モデルは、複数のトピックにまたがる対話を通して、ユーザの指示に従うことができる。 既存のベンチマークは、しばしば一定回数のターンに制限されるため、飽和の影響を受けにくく、ユーザのインタラクティブなエクスペリエンスを考慮できない。 マルチターン命令追従能力を評価するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-05T14:39:59Z)
• Pragmatic Frames Evoked by Gestures: A FrameNet Brasil Approach to Multimodality in Turn Organization [0.43348187554755113]
  Frame2データセットには、ブラジルのテレビシリーズ『Pedro Pelo Mundo』の10エピソードがビデオとテキストの両方で誘発されるセマンティックフレームに注釈付けされている。 その結果, 対面会話に関わるコミュニケーション者は, 会話の交替, 受け取り, 維持のためのツールとして, ジェスチャーを活用できることが確認された。 これらのジェスチャーの使用は、心的空間、ブレンディング、概念的メタファーを含む実用的フレームの概念化から生じると考えられる。
  論文  参考訳（メタデータ） (2025-09-11T19:14:57Z)
• Multimodal Fact Checking with Unified Visual, Textual, and Contextual Representations [2.139909491081949]
  我々は"MultiCheck"と呼ばれる微細なマルチモーダル事実検証のための統一的なフレームワークを提案する。 我々のアーキテクチャは、テキストと画像のための専用エンコーダと、要素間相互作用を用いた相互関係をキャプチャする融合モジュールを組み合わせる。 我々はFactify 2データセットに対する我々のアプローチを評価し、F1の重み付けスコア0.84を達成し、ベースラインを大幅に上回った。
  論文  参考訳（メタデータ） (2025-08-07T07:36:53Z)
• LUST: A Multi-Modal Framework with Hierarchical LLM-based Scoring for Learned Thematic Significance Tracking in Multimedia Content [0.0]
  Learned User Significance Tracker (LUST)は、ビデオコンテンツを分析し、そのセグメントの主題的関連性を定量化するように設計されたフレームワークである。 中心となるイノベーションは、Large Language Models (LLMs) を用いた階層的で2段階の関連性スコアリングメカニズムにある。 LUSTフレームワークは、ユーザ定義の重要度を微妙に認識し、視覚化された関連スコアと包括的な分析ログを備えた注釈付き動画を出力することを目的としている。
  論文  参考訳（メタデータ） (2025-08-06T11:48:51Z)
• MMTrail: A Multimodal Trailer Video Dataset with Language and Music Descriptions [69.9122231800796]
  MMTrailは,2000万回以上のトレーラークリップと視覚的キャプションを組み込んだ大規模マルチモーダルビデオ言語データセットである。 本稿では,27.1k時間以上のトレーラービデオで様々なモダリティアノテーションを実現するシステムキャプションフレームワークを提案する。 我々のデータセットは、大きめのマルチモーダル言語モデルトレーニングのためのパスを舗装する可能性がある。
  論文  参考訳（メタデータ） (2024-07-30T16:43:24Z)
• A Multimodal Framework for Video Ads Understanding [64.70769354696019]
  広告ビデオコンテンツの構造化分析能力を向上させるためのマルチモーダルシステムの開発を行う。 2021年のTAAC最終リーダーボードでは, 位置推定と予測精度を考慮した0.2470のスコアを得た。
  論文  参考訳（メタデータ） (2021-08-29T16:06:00Z)

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。