Autoren:  (1) Prerak Gandhi, Department of Computer Science and Engineering, Indian Institute of Technology Bombay, Mumbai, prerakgandhi@cse.iitb.ac.in, und diese Autoren haben zu gleichen Teilen zu dieser Arbeit beigetragen;  (2) Vishal Pramanik, Department of Computer Science and Engineering, Indian Institute of Technology Bombay, Mumbai, vishalpramanik,pb@cse.iitb.ac.in, und diese Autoren haben zu gleichen Teilen zu dieser Arbeit beigetragen;  (3) Pushpak Bhattacharyya, Abteilung für Informatik und Ingenieurwesen, Indian Institute of Technology Bombay, Mumbai.  Linktabelle   Zusammenfassung und Einleitung   Motivation   Ähnliche Projekte   Datensatz   Experimente und Evaluation   Ergebnisse und Analyse   Schlussfolgerung und zukünftige Arbeit   Einschränkungen und Referenzen   A. Anhang  4. Datensatz  Für die Erstellung der Filmhandlung haben wir die Handlungsstränge aus Wikipedia entnommen. Die Eingabeaufforderungen für diese Aufgabe wurden von IMDb übernommen. In IMDb kann es zwei Arten von Eingabeaufforderungen geben. Die erste ist eine kurze Beschreibung (15–40 Wörter) des Films, während die zweite eine lange Handlung ist, die zwischen 30 und 200 Wörtern variiert und viel mehr Details über die verschiedenen Charaktere und Ereignisse des Films enthält. Wir haben auch die Genres jedes Films von IMDb gesammelt. Anschließend unterteilen wir die Handlungsstränge in eine 4-Akt-Struktur. Für die Szenenerstellung nehmen wir die Drehbücher von IMSDb und kommentieren sie mit den Schlüsselelementen einer Szene.  4.1. Datensatz zur Plotgenerierung  Wir haben einen Datensatz mit 1000 Plots erstellt, der sowohl Bollywood- als auch Hollywood-Plots enthält und mithilfe des Wikipedia-Moduls in Python aus Wikipedia extrahiert wurde. Die gesammelten Plots sind im Durchschnitt etwa 700 Wörter lang.  4.1.1. Richtlinien für Anmerkungen  Wir kommentieren die Plots, indem wir sie manuell in 4 Teile unterteilen und dabei die 4-Akt-Struktur verwenden, die in Anhang A.5 beschrieben ist. Am Ende jedes Akts platzieren wir ein einzelnes Tag: 〈eins〉 (Akt 1), 〈zwei-a〉 (Akt 2 Teil A), 〈zwei-b〉 (Akt 2 Teil B) und 〈drei〉 (Akt 3) als Trennzeichen. Ein Beispiel für die Kommentierung von Plots finden Sie im Anhang (Abbildung 6).   4.1.2. Filmgenres  Um die vom Modell generierten Plots etwas kontrollierbarer zu machen, haben wir die Genres der Filme im Datensatz zusammen mit der Handlung eingeführt. Wir verknüpfen die Genres am Anfang der Handlung. Abbildung 2 zeigt die Verteilung der Genres im Datensatz.  4.2. Datensatz zur Szenengenerierung  Filmskripte sind sehr lang. Ein 2-Stunden-Film entspricht etwa 30.000 Wörtern. Sprachmodelle, die zur kreativen Textgenerierung verwendet werden, wie GPT-2 und GPT-3, haben Token-Limits von 1024 bzw. 2048, was es unmöglich macht, ein ganzes Skript in einem Durchgang zu verarbeiten. Daher haben wir die Skripte in Szenen unterteilt und ihre Kurzbeschreibungen manuell erstellt. Dadurch können die Szenen unabhängig trainiert werden, anstatt sich auf vorherige Szenen zu verlassen.  Filmskripte bestehen aus mehreren Elementen, die in Anhang A.4 beschrieben werden. Die unterschiedlichen Elemente machen es für die Modelle schwieriger, die einzelnen Elemente voneinander zu unterscheiden. Um dieses Hindernis zu überwinden, kennzeichnen wir das gesamte Skript mit vier Hauptelementen:  Sluglines, Handlungszeilen, Dialoge und Charakternamen.  4.2.1. Richtlinien für Anmerkungen  Wir behalten die vier Hauptelemente bei, die in jedem Drehbuch vorhanden sind –   – und entfernen alle anderen Arten von Informationen wie Seitenzahlen, Übergänge oder Szenendaten. Die Kennzeichnung der vier Hauptelemente erfolgt mithilfe von Anfangs- und Endtags, die um die Elemente herum angeordnet sind, wie unten gezeigt: Sluglines, Handlungszeilen, Charakternamen und Dialoge  • Sluglines: 〈bsl〉...〈esl〉  • Aktionslinien: 〈bal〉...〈eal〉  • Charaktername: 〈bcn〉...〈ecn〉  • Dialog: 〈bd〉...〈ed〉   Ein Beispiel für eine kommentierte Szene ist in Abb. 3 zu sehen.  Dieses Dokument ist   . auf arxiv unter der CC 4.0 DEED-Lizenz verfügbar

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

Teleplay.Tech

From teleplay to technology, we weave a narrative tapestry that dances between writing, CGI, and action.

Teleplay's blog

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Zu lang; Lesen

Boost your HackerNoon story @ $159.99! 🚀

„Kurosawa“: Der Assistent eines Drehbuchautors: Datensatz

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

HackerNoon Decoded 2024: Celebrating Our Data Science Community!

HackerNoon Decoded 2024: Celebrating Our Startups Community!

Genuine Content Creation in the Age of AI: Why Startups Need Quality Content

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

HackerNoon Decoded 2024: Celebrating Our Data Science Community!

HackerNoon Decoded 2024: Celebrating Our Startups Community!

Genuine Content Creation in the Age of AI: Why Startups Need Quality Content

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps