著者:  （１）ピネロピ・パパランピディ、エディンバラ大学情報学部言語・認知・計算研究所 （２）フランク・ケラー、エディンバラ大学情報学部言語・認知・計算研究所 （３）ミレラ・ラパタ、エディンバラ大学情報学部言語・認知・計算研究所 リンク一覧 概要と序文 関連作業 問題の定式化 実験のセットアップ 結果と分析 結論と参考文献 A. モデルの詳細 B. 実装の詳細 C. 結果: アブレーション研究 B. 実装の詳細 以前の研究 [41] では、TP 識別モデルのパフォーマンスを 3 つの基準で評価しています。合計一致 (TA)、つまり、正しく識別された TP シーンの割合、部分一致 (PA)、つまり、少なくとも 1 つのゴールド スタンダード シーンが識別された TP イベントの割合、距離 (D)、つまり、特定の TP の予測シーン セットとゴールド スタンダード シーン セット間のシーン数の最小距離 (脚本の長さで正規化) です。私たちは部分一致基準を使用して結果を報告します。ショット (シーンではなく) のシルバー スタンダード ラベル (ゴールドではなく) に対して評価し、結果としてシーン内のすべてのショットを同等に重要と見なすため、合計一致は使用できなくなりました。距離基準も、非常に似た結果になり、モデル バリアント間の区別に役立たないため使用しません。 評価基準 以前の研究[42]に従って、すべての種類の特徴（テキスト、視覚、音声）を同じ低い次元128に投影します。次元が大きくなるほどパラメータの数が大幅に増加し、データセットのサイズが小さいために結果が劣ることがわかりました。 ハイパーパラメータ トランスフォーマー エンコーダーを使用して、シーン (脚本に関して) とショット (ビデオに関して) をコンテキスト化します。エンコーダーで 2、3、4、5、6 レイヤーを試し、3 レイヤーで最良の結果が得られました。フィード フォワード (FF) 次元については、標準サイズの 2,048 と小さいサイズの 1,024 の両方を試し、前者の方が優れていることがわかりました。別のトランスフォーマー エンコーダーを使用して、入力文表現のシーケンスからシーンの表現を計算します。このエンコーダーには 4 つのレイヤーと 1,024 の FF 次元があります。両方のエンコーダーは、8 つのアテンション ヘッドと 0.3 のドロップアウトを採用しています。 グラフスパース化（すなわち、上位k近傍の選択）の際には、粒度とサイズが異なるため、シーンベースとショットベースのネットワークに対して異なる近傍オプションを考慮する。[42]に従って、シーンネットワークに対して[1–6]近傍を考慮し、ショットネットワークに対しては近傍サイズを[6–12]に増やす。  この論文は、CC BY-SA 4.0 DEED ライセンスの下で 。 arxiv で公開されています

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

Kinetopgraph.TECH

Read My Stories

kinetograph

このオーディオは、ストーリーの元の言語で制作されています。

長すぎる; 読むには

Boost your HackerNoon story @ $159.99! 🚀

タスク分解による映画予告編生成: 実装の詳細

About Author

コメント

ラベル

この記事は

Related Stories

フォーラムからフィードへ: ソーシャルメディアアルゴリズムがデジタルインタラクションを形作る仕組み

HackerNoon ライティングコンテストで優勝したいですか? #crypto-api コンテスト優勝者のおすすめはこちら

Claude Sonnet 3.5 システムプロンプトの漏洩: 法医学的分析

フォーラムからフィードへ: ソーシャルメディアアルゴリズムがデジタルインタラクションを形作る仕組み

HackerNoon ライティングコンテストで優勝したいですか? #crypto-api コンテスト優勝者のおすすめはこちら

Claude Sonnet 3.5 システムプロンプトの漏洩: 法医学的分析

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps

タスク分解による映画予告編生成: 実装の詳細

About Author

コメント

ラベル

この記事は

Related Stories

フォーラムからフィードへ: ソーシャル メディア アルゴリズムがデジタル インタラクションを形作る仕組み

HackerNoon ライティング コンテストで優勝したいですか? #crypto-api コンテスト優勝者のおすすめはこちら

Claude Sonnet 3.5 システムプロンプトの漏洩: 法医学的分析

フォーラムからフィードへ: ソーシャル メディア アルゴリズムがデジタル インタラクションを形作る仕組み

HackerNoon ライティング コンテストで優勝したいですか? #crypto-api コンテスト優勝者のおすすめはこちら

Claude Sonnet 3.5 システムプロンプトの漏洩: 法医学的分析

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps

フォーラムからフィードへ: ソーシャルメディアアルゴリズムがデジタルインタラクションを形作る仕組み

HackerNoon ライティングコンテストで優勝したいですか? #crypto-api コンテスト優勝者のおすすめはこちら

フォーラムからフィードへ: ソーシャルメディアアルゴリズムがデジタルインタラクションを形作る仕組み

HackerNoon ライティングコンテストで優勝したいですか? #crypto-api コンテスト優勝者のおすすめはこちら