作者：  （1）Pinelopi Papalampidi，爱丁堡大学信息学院语言、认知和计算研究所；  （2）弗兰克·凯勒，英国爱丁堡大学信息学院语言、认知和计算研究所；  （3）米雷拉·拉帕塔（Mirella Lapata），爱丁堡大学信息学院语言、认知和计算研究所 链接表 摘要和简介 相关工作 问题表述 实验装置 结果与分析 结论和参考文献 A. 模型详细信息 B. 实施细节 C. 结果：消融研究 A. 模型详细信息 在本节中，我们将详细介绍我们的方法的各种建模组件。我们首先提供 GRAPHTRAILER 架构的详细信息（第 A.1 节），然后讨论如何训练 TP 识别网络（第 A.2 节），最后提供有关剧本预训练的技术细节（A.3）以及用于图遍历的情感流（A.4）。  A.1. 图形预告片 我们利用 StraightThrough 估计器 [7] 解决了模型中的不连续性问题（即 top-k 采样、邻域大小选择）。在反向传播过程中，我们使用 Gumbel-softmax 重参数化技巧 [25, 32] 计算梯度。在基于剧本的辅助网络中，构建和稀疏场景级图时也遵循相同的程序。  A.2. TP 识别培训 第 3 节介绍了我们基于视频和剧本的模型的训练方案，假设场景的 TP 标签可用（即，二进制标签表示场景是否充当电影中的 TP）。给定此类标签，我们的模型使用少数热门金标签和网络的 TP 预测之间的二元交叉熵损失 (BCE) 目标进行训练。 然而，在实践中，我们的训练集包含场景的黄金标准标签。后者与 TRIPOD [41] 数据集一起发布，并自动创建。具体来说，TRIPOD 为概要（而不是剧本）提供黄金标准的 TP 注释，前提是概要句子代表 TP。句子级注释被投射到场景中，并使用教师强制 [41] 训练的匹配模型来创建黄金标准标签。   A.3. 自监督预训练  A.4. GRAPHTRAILER 中的情感流 在我们的图遍历算法（第 3.1 节）中，选择下一个镜头的标准之一是迄今为止生成的预告片的情感流。具体来说，我们采用假设[9]，即根据情感强度将预告片分为三个部分。第一部分具有中等强度，用于吸引观众；第二部分具有低强度，用于传递有关电影的关键信息；最后，第三部分显示逐渐增加的强度，用于为电影创造悬念和刺激感。 因此，给定 L 个预告片镜头的预算，我们预计前 L/3 个镜头具有中等强度，并且该部分内没有太大变化（例如，我们希望镜头的平均绝对强度接近 0.7，其中所有分数都标准化为 -1 到 1 的范围）。在预告片的第二部分（即接下来的 L/3 个镜头），我们预计强度会急剧下降，而此部分内的镜头将保持或多或少的中性情绪（即 0 强度）。最后，对于第三部分（即最后的 L/3 个镜头），我们预计强度会稳步增加。实际上，我们预计第一个镜头的强度为 0.7（即中等强度），随后每个镜头增加 0.1，直到在最后一个镜头达到峰值。 该论文 。 可在 arxiv 上根据 CC BY-SA 4.0 DEED 许可获取  [9] https://www.derek-lieu.com/blog/2017/9/10/the-matrix-is-a-trailer-editors-dream

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

Kinetopgraph.TECH

Read My Stories

kinetograph

該音頻是用故事的原始語言製作的！

太長; 讀書

Boost your HackerNoon story @ $159.99! 🚀

通过任务分解生成电影预告片：模型细节

About Author

註釋

標籤

这篇文章刊登在

Related Stories

想赢得 HackerNoon 写作比赛吗？以下是 #crypto-api 比赛获奖者的推荐

创建以用户为中心的加密产品：客户反馈的重要性

成功云迁移的完整指南：策略和最佳实践

想赢得 HackerNoon 写作比赛吗？以下是 #crypto-api 比赛获奖者的推荐

创建以用户为中心的加密产品：客户反馈的重要性

成功云迁移的完整指南：策略和最佳实践

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps