Auteurs:  (1) Prerak Gandhi, Département d'informatique et d'ingénierie, Institut indien de technologie de Bombay, Mumbai, prerakgandhi@cse.iitb.ac.in, et ces auteurs ont contribué à parts égales à ce travail ;  (2) Vishal Pramanik, Département d'informatique et d'ingénierie, Institut indien de technologie de Bombay, Mumbai, vishalpramanik, pb@cse.iitb.ac.in, et ces auteurs ont contribué à parts égales à ce travail ;  (3) Pushpak Bhattacharyya, Département d'informatique et d'ingénierie, Institut indien de technologie de Bombay, Mumbai.  Tableau des liens   Résumé et introduction   Motivation   Travaux connexes   Base de données   Expériences et évaluation   Résultats et analyse   Conclusion et travaux futurs   Limites et références   A. Annexe  4. Ensemble de données  Pour la génération d’intrigues de films, nous avons extrait les intrigues de Wikipédia. Les invites pour cette tâche proviennent d'IMDb. Dans IMDb, cette invite peut être de deux types. Le premier est une brève description (15 à 40 mots) du film, tandis que le second est un long scénario, qui varie de 30 à 200 mots et contient beaucoup plus de détails sur les différents personnages et événements du film. Nous avons également rassemblé les genres de chaque film sur IMDb. Nous divisons ensuite les intrigues selon une structure en 4 actes. Pour la génération de scènes, nous prenons les scripts d'IMSDb et les annotons avec les éléments clés d'une scène.  4.1. Ensemble de données de génération de tracé  Nous avons créé un ensemble de données de 1000 intrigues comprenant à la fois des intrigues de Bollywood et d'Hollywood, extraites de Wikipédia à l'aide du module wikipedia en python. Les intrigues collectées font en moyenne environ 700 mots.  4.1.1. Directives d'annotation  Nous annotons les intrigues en les divisant manuellement en 4 parties en utilisant la structure en 4 actes décrite en annexe A.5. Nous plaçons une seule balise à la fin de chaque acte : 〈un〉 (Acte 1), 〈deux-a〉 (Acte 2 Partie A), 〈deux-b〉 (Acte 2 Partie B) et 〈trois〉 (Acte 3). ) comme délimiteurs. Un exemple d’annotation de tracé est donné en annexe (Figure 6).   4.1.2. Genres de films  Pour apporter une certaine contrôlabilité aux intrigues générées par le modèle, nous avons introduit les genres de films dans l'ensemble de données ainsi que le scénario. On enchaîne les genres dès le début du scénario. La figure 2 montre la répartition des genres dans l'ensemble de données.  4.2. Ensemble de données de génération de scène  Les scénarios de films sont très longs. Un film de 2 heures correspond à environ 30 000 mots. Les modèles de langage utilisés pour la génération de texte créatif, comme GPT-2 et GPT-3, ont des limites de jetons respectivement de 1 024 et 2 048, ce qui rend impossible la gestion d'un script entier en une seule fois. Par conséquent, nous avons divisé les scripts en scènes et créé manuellement leurs brèves descriptions. Cela permet d'entraîner les scènes indépendamment au lieu de s'appuyer sur des scènes précédentes.  Les scripts de films comprennent plusieurs éléments décrits à l'annexe A.4. Les différents éléments augmentent la difficulté rencontrée par les modèles pour apprendre à distinguer chaque élément. Pour surmonter cet obstacle, nous marquons quatre éléments majeurs tout au long du script :  les sluglines, les lignes d'action, les dialogues et les noms des personnages.  4.2.1. Directives d'annotation  Nous conservons les quatre éléments majeurs présents dans chaque script –   – et supprimons tout autre type d'information tel que le numéro de page, les transitions ou les dates de scène. Le balisage des quatre éléments principaux est effectué à l'aide de balises de début et de fin qui entourent les éléments, comme indiqué ci-dessous : sluglines, lignes d'action, nom du personnage et dialogues  • Sluglines : 〈bsl〉...〈esl〉  • Lignes d'action : 〈bal〉...〈eal〉  • Nom du personnage : 〈bcn〉...〈ecn〉  • Dialogue :〈bd〉...〈ed〉   Un exemple de scène annotée est présenté sur la figure 3.  Cet article est   sous licence CC 4.0 DEED. disponible sur 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

Cet audio est produit dans la langue originale de l'histoire !

Trop long; Pour lire

Boost your HackerNoon story @ $159.99! 🚀

"Kurosawa" : un assistant de scénariste : ensemble de données

About Author

COMMENTAIRES

ÉTIQUETTES

CET ARTICLE A ÉTÉ PARU DANS

Related Stories

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

Vous voulez gagner un concours d’écriture HackerNoon ? Voici ce que recommandent les gagnants du concours #crypto-api

Valhalla de Floki se joint en tant que sponsor associé de la tournée indienne au Sri Lanka

Comment améliorer votre flux de travail par 10 : 17 applications essentielles

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

Vous voulez gagner un concours d’écriture HackerNoon ? Voici ce que recommandent les gagnants du concours #crypto-api

Valhalla de Floki se joint en tant que sponsor associé de la tournée indienne au Sri Lanka

Comment améliorer votre flux de travail par 10 : 17 applications essentielles

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps