Autores:  (1) Pinelopi Papalampidi, Instituto de Lenguaje, Cognición y Computación, Facultad de Informática, Universidad de Edimburgo;  (2) Frank Keller, Instituto de Lenguaje, Cognición y Computación, Facultad de Informática, Universidad de Edimburgo;  (3) Mirella Lapata, Instituto de Lenguaje, Cognición y Computación, Facultad de Informática, Universidad de Edimburgo.  Tabla de enlaces   Resumen e introducción   Trabajo relacionado   Formulación del problema   Configuración experimental   Resultados y análisis   Conclusiones y referencias   A. Detalles del modelo   B. Detalles de implementación   C. Resultados: Estudios de ablación  2. Trabajo relacionado  Los enfoques anteriores para   se han centrado principalmente en clips de vídeo aislados y en tareas como la alineación entre escenas de películas y capítulos de libros [49], respuesta a preguntas [50], subtítulos de vídeo para tomas de películas [44] y conversión de texto a vídeo. recuperación [5]. Trabajos recientes [40–42] intentan identificar una estructura narrativa de alto nivel y resumir episodios de televisión y películas completos centrándose exclusivamente en la modalidad textual (es decir, guiones). la comprensión de películas  Los enfoques existentes para   explotan características audiovisuales superficiales, como música de fondo o cambios visuales entre tomas secuenciales [24, 46]. Otros trabajos crean avances “atractivos” con un modelo basado en gráficos para la selección de tomas [57] o utilizan un ser humano en el bucle junto con un modelo entrenado en películas de terror mediante análisis de sentimientos audiovisuales [47]. El conjunto de datos de detección de momentos del tráiler [53] consta de películas completas combinadas con avances oficiales y anotaciones de momentos clave, pero no está disponible públicamente y no incluye guiones. la generación de avances    [3, 23] se propuso originalmente para destilar información de un modelo de maestro más grande a uno más pequeño de estudiante. La destilación generalizada [30] proporciona un marco para utilizar información privilegiada, es decir, información que está disponible sólo en el momento del entrenamiento. Lo más relacionado con nuestro trabajo es el uso de diferentes modalidades o vistas del mismo contenido [33, 34], por ejemplo, narraciones transcritas para aprender representaciones visuales en videos instructivos. Aprovechamos los guiones como fuente de información privilegiada y destilamos conocimientos sobre eventos, personajes y escenas de una película, que posteriormente explotamos para identificar tomas en video dignas de un avance. La destilación del conocimiento  Este documento está   bajo licencia CC BY-SA 4.0 DEED. disponible en arxiv

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

Kinetopgraph.TECH

Read My Stories

kinetograph

Este audio es producido en el idioma original de la historia!

Demasiado Largo; Para Leer

Boost your HackerNoon story @ $159.99! 🚀

Generación de avances de películas mediante descomposición de tareas: trabajo relacionado

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

El modelo Bitcoin UTXO, impulsando un ecosistema único

Cómo mejorar su flujo de trabajo 10 veces: 17 aplicaciones esenciales

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

El modelo Bitcoin UTXO, impulsando un ecosistema único

Cómo mejorar su flujo de trabajo 10 veces: 17 aplicaciones esenciales

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps