Autores:  (1) Prerak Gandhi, Departamento de Ingeniería y Ciencias de la Computación, Instituto Indio de Tecnología de Bombay, Mumbai, prerakgandhi@cse.iitb.ac.in, y estos autores contribuyeron igualmente a este trabajo;  (2) Vishal Pramanik, Departamento de Ingeniería y Ciencias de la Computación, Instituto Indio de Tecnología de Bombay, Mumbai, vishalpramanik,pb@cse.iitb.ac.in, y estos autores contribuyeron igualmente a este trabajo;  (3) Pushpak Bhattacharyya, Departamento de Ingeniería y Ciencias de la Computación, Instituto Indio de Tecnología de Bombay, Mumbai.  Tabla de enlaces   Resumen e introducción   Motivación   Trabajo relacionado   Conjunto de datos   Experimentos y evaluación   Resultados y análisis   Conclusión y trabajo futuro   Limitaciones y referencias   A. Apéndice  6. Resultados y análisis  Presentamos nuestras observaciones y valoraciones. La naturaleza de nuestra tarea hace que la evaluación humana tenga prioridad sobre la evaluación automática (¡después de todo, es para la generación automática de guiones de películas!). El análisis cualitativo de nuestras tramas y escenas generadas se basa en los comentarios de 5 guionistas profesionales de nuestro socio industrial, la conocida plataforma de medios.  6.1. Generación de trama  6.1.1. Evaluación automática  La Tabla 1 muestra puntuaciones de autoevaluación para los múltiples modelos de generación de gráficos GPT-3.   6.1.2. Calificación humana  Realizamos una evaluación humana en el modelo de entrada breve anotado de Hollywood. La evaluación fue realizada por cinco grupos de 3 personas, siendo cada grupo   habiendo sido asignadas 10 parcelas únicas. Las calificaciones otorgadas para las 5 características se encuentran en la Figura 5. Las puntuaciones promedio de fluidez, creatividad, simpatía, coherencia y relevancia son   y   , respectivamente. Una fluidez de casi 4 es un indicador del poder de GPT-3 como modelo de lenguaje. La creatividad y la simpatía son respetables con un valor de alrededor de 3,0. Las bajas puntuaciones de BLEU respaldan la puntuación media de creatividad (Tabla 1). La Figura 5 indica que la coherencia y la relevancia todavía tienen un gran margen de mejora. 3,98, 3,29, 2,97, 2,65 2,55  El valor MAUVE (Pillutla et al., 2021) mide la brecha entre el texto neuronal y el texto humano. Hemos calculado por separado las puntuaciones MAUVE para 20 parcelas y 50 parcelas. El promedio ponderado de las puntuaciones MAUVE para los dos experimentos es   , lo cual es razonablemente bueno. 0,48  6.1.3. Observaciones cualitativas  Los guionistas profesionales de nuestro socio industrial han hecho las siguientes observaciones:   Tramas de Hollywood sin anotaciones  • La preparación es creativa e interesante, pero el final se vuelve incoherente.  • Algunos personajes que se presentan al principio nunca se vuelven a mencionar.  • El resultado no describe los puntos clave o el tema mencionado en el insumo.   Tramas comentadas de Hollywood  • Las tramas son mucho más coherentes y los finales son lógicos.  • Todavía hay alucinaciones presentes (una característica común de todos los modelos).  • Las aportaciones más largas hicieron que las tramas prestaran más atención a los puntos clave.   Tramas de Hollywood comentadas con géneros incluidos  • Junto a los puntos anteriores, ahora las tramas generadas se inclinan más hacia el género o géneros de la película que el escritor quiere crear.  • La adición de género da cierto control sobre el tipo de trama generada por el modelo.   Tramas comentadas de Bollywood  • Las salidas muestran incoherencia en los dos últimos párrafos y repetición de los mismos personajes a lo largo de la trama.  • El flujo de la trama no es lo suficientemente rápido, es decir, la trama no avanza mucho.  • Muchas de las producciones tienen un tema de la década de 1990, donde los personajes se separan y luego se encuentran. Esto se debe a un conjunto de datos sesgado con gráficos menos modernos.  6.2. Generación de escena  Ajustamos GPT-3 para la generación de escenas con nuestro conjunto de datos. Generamos diez escenas usando los modelos mencionados en 5.1. Figura 7 en el apéndice. muestra un ejemplo de una escena completamente generada.  6.2.1. Calificaciones humanas  Realizamos una evaluación humana en 10 escenas generadas por el modelo anterior. 5 personas evaluaron las escenas mediante la Escala Likert. Las calificaciones de las cinco características se pueden ver en la Figura 5. Las puntuaciones promedio de fluidez, creatividad, simpatía, coherencia y relevancia son   y   , respectivamente. Todos los valores están por encima de la marca neutral e implican que las escenas generadas son cercanas a escenas escritas por humanos.  4,48, 3,9, 3,48, 3,46 3,86  6.2.2. Observaciones cualitativas  En esta sección analizamos la calidad de las escenas generadas por el modelo GPT-3. Este análisis ha sido realizado por guionistas profesionales del medio anteriormente mencionado.  • El modelo produce una escena bien estructurada.  • Puede crear nuevos personajes y fabricar diálogos incluso cuando no son importantes.  • Los puntos clave de la entrada se pueden encontrar en la salida.  • Hay algunas líneas que son repetitivas.  • El resultado no es completamente coherente.  Este documento está   bajo licencia CC 4.0 DEED. disponible en arxiv

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

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

Demasiado Largo; Para Leer

Boost your HackerNoon story @ $159.99! 🚀

"Kurosawa": un asistente de guionista: resultados y análisis

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

La guía completa para una migración exitosa a la nube: estrategias y mejores prácticas

El modelo Bitcoin UTXO, impulsando un ecosistema único

Una breve introducción a la teoría del cerebro de Boltzmann

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

La guía completa para una migración exitosa a la nube: estrategias y mejores prácticas

El modelo Bitcoin UTXO, impulsando un ecosistema único

Una breve introducción a la teoría del cerebro de Boltzmann

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps