Autoren:  (1) Pinelopi Papalampidi, Institut für Sprache, Kognition und Berechnung, Fakultät für Informatik, Universität Edinburgh;  (2) Frank Keller, Institut für Sprache, Kognition und Berechnung, Fakultät für Informatik, Universität Edinburgh;  (3) Mirella Lapata, Institut für Sprache, Kognition und Berechnung, Fakultät für Informatik, Universität Edinburgh.  Linktabelle   Zusammenfassung und Einleitung   Ähnliche Projekte   Problem Formulierung   Versuchsaufbau   Ergebnisse und Analyse   Schlussfolgerungen und Referenzen   A. Modelldetails   B. Einzelheiten zur Umsetzung   C. Ergebnisse: Ablationsstudien  2. Verwandte Arbeiten  Frühere Ansätze zum   konzentrierten sich hauptsächlich auf isolierte Videoclips und Aufgaben wie die Zuordnung von Filmszenen zu Buchkapiteln [49], das Beantworten von Fragen [50], das Erstellen von Videountertiteln für Filmaufnahmen [44] und das Abrufen von Text zu Video [5]. Neuere Arbeiten [40–42] versuchen, die narrative Struktur auf hoher Ebene zu identifizieren und ganze Fernsehepisoden und Filme zusammenzufassen, wobei sie sich ausschließlich auf die Textmodalität (d. h. Drehbücher) konzentrieren. Filmverständnis  Bestehende Ansätze zur   nutzen oberflächliche audiovisuelle Merkmale wie Hintergrundmusik oder visuelle Übergänge zwischen aufeinanderfolgenden Aufnahmen [24, 46]. Andere Arbeiten erstellen „attraktive“ Trailer mit einem graphenbasierten Modell zur Einstellungsauswahl [57] oder verwenden einen Menschen in der Schleife in Verbindung mit einem Modell, das über audiovisuelle Sentimentanalyse an Horrorfilmen trainiert wurde [47]. Der Trailer Moment Detection Dataset [53] besteht aus abendfüllenden Filmen gepaart mit offiziellen Trailern und Anmerkungen zu Schlüsselmomenten, ist aber nicht öffentlich verfügbar und enthält keine Drehbücher. Trailer-Generierung    [3, 23] wurde ursprünglich vorgeschlagen, um Informationen aus einem größeren Lehrermodell auf ein kleineres Schülermodell zu destillieren. Die verallgemeinerte Destillation [30] bietet einen Rahmen für die Verwendung privilegierter Informationen, d. h. Informationen, die nur zum Zeitpunkt des Trainings verfügbar sind. Am relevantesten für unsere Arbeit ist die Verwendung verschiedener Modalitäten oder Ansichten desselben Inhalts [33, 34], z. B. transkribierte Erzählungen, um visuelle Darstellungen in Lehrvideos zu lernen. Wir nutzen Drehbücher als Quelle privilegierter Informationen und destillieren Wissen über Ereignisse, Charaktere und Szenen in einem Film, das wir anschließend nutzen, um trailerwürdige Aufnahmen im Video zu identifizieren. Die Wissensdestillation  Dieses Dokument ist   . auf arxiv unter der Lizenz CC BY-SA 4.0 DEED verfügbar

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Kinetopgraph.TECH

Read My Stories

kinetograph

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Zu lang; Lesen

Boost your HackerNoon story @ $159.99! 🚀

Filmtrailer-Generierung durch Aufgabenzerlegung: Verwandte Arbeiten

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

HackerNoon Decoded 2024: Celebrating Our Tech Stories Community!

HackerNoon Decoded 2024: Wir feiern unsere Remote-Work-Community!

Welcome to HackerNoon Decoded: The Best of 2024 Tech Blogging

HackerNoon's DeFi Writing Contest with SORA Network: XSTUSD Use Cases

HackerNoon Decoded 2024: Celebrating Our Tech Stories Community!

HackerNoon Decoded 2024: Wir feiern unsere Remote-Work-Community!

Welcome to HackerNoon Decoded: The Best of 2024 Tech Blogging

HackerNoon's DeFi Writing Contest with SORA Network: XSTUSD Use Cases

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps