फिल्म ट्रेलर मशीन विजन सिस्टम की भविष्यवाणी करता है कि सिनेमा में कौन आएगा

फिल्म दर्शकों को परिभाषित करने के लिए एक मर्लिन वीडियो हाइब्रिड सिफारिश मॉडल आरेख। लॉजिस्टिक रिग्रेशन लेयर इस फिल्म को देखने की इच्छा की संभावना की गणना करने के लिए सिनेमा यात्रा की आवृत्ति और अवधि की जानकारी के साथ एक सामूहिक फ़िल्टरिंग मॉडल को जोड़ती है। मॉडल को शुरू से अंत तक (अंत-से-अंत) तक प्रशिक्षित किया जाता है, और नुकसान का कार्य सभी प्रशिक्षित घटकों को वापस वितरित किया जाता है

फिल्म के प्रीमियर की तैयारी में ट्रेलर का रिलीज होना सबसे महत्वपूर्ण तत्व है। शानदार ट्रेलर दर्शकों की उम्मीदों की रेटिंग बढ़ाता है, कथानक से दर्शकों को परिचित कराता है, मुख्य पात्रों का प्रतिनिधित्व करता है, तस्वीर के समग्र मूड को बताता है। उसी समय, ट्रेलर पर समीक्षा के अनुसार, फिल्म निर्माताओं को यह समझने का अवसर मिलता है कि दर्शकों को पसंद या नापसंद फिल्म के कौन से पहलू हैं - यह जानकारी आमतौर पर आगे के विपणन अभियान का आधार बन जाती है। ट्रेलर सीधे शो के शुरुआती दिनों में फीस के साथ संबंधित है। फिर, शुरुआती दिनों में बड़ी फीस के आंकड़े ने बड़े पैमाने पर दर्शकों और मीडिया का ध्यान आकर्षित किया, जो तस्वीर की समग्र व्यावसायिक सफलता सुनिश्चित करता है।

चूंकि हम सैकड़ों मिलियन डॉलर के बारे में बात कर रहे हैं, इसलिए सर्वश्रेष्ठ वैज्ञानिक अधिक कुशल ट्रेलर बनाने पर काम कर रहे हैं। 20 वीं शताब्दी के फॉक्स के मशीन लर्निंग स्पेशलिस्ट ने मर्लिन वीडियो नामक एक प्रणाली का वर्णन करते हुए एक वैज्ञानिक पत्र प्रकाशित किया। यह मशीन विजन सिस्टम ट्रेलर (ऊपर चित्र) से एक प्रतिनिधित्व आरेख उत्पन्न करता है। दर्शकों के जवाब की भविष्यवाणी करने के लिए प्रतिनिधित्व डेटा का उपयोग किया जाता है। वैज्ञानिक कार्य के लेखकों के अनुसार, यह पहली बार है कि एक फिल्म स्टूडियो एक फिल्म में दर्शकों की रुचि की गणना करने के लिए एक कंप्यूटर विजन सिस्टम का उपयोग करता है।

उपकरण "कलेक्टिव फिल्टरिंग" (सहयोगी फ़िल्टरिंग, सीएफ) के अभिनव हाइब्रिड मॉडल पर आधारित है, जो ट्रेलर वीडियो की विशिष्ट विशेषताओं को अलग करता है: रंग, प्रकाश, चेहरे, ऑब्जेक्ट, परिदृश्य।

यह जानकारी जनसांख्यिकीय डेटा, सिनेमा उपस्थिति की जानकारी (आवृत्ति, अंतिम यात्रा की तारीखें) के साथ संयुक्त है। प्रशिक्षण के परिणामस्वरूप, सिस्टम आपको सटीक भविष्यवाणी करने और ट्रेलर के आधार पर सिफारिशें करने की अनुमति देता है।

तंत्रिका नेटवर्क TensorFlow डीप लर्निंग फ्रेमवर्क और cuDNN आदिम पुस्तकालय में, Google क्लाउड में Nvidia Tesla P100 GPU GPU पर प्रशिक्षित किया गया था। प्रशिक्षण डेटा के रूप में, हाल के वर्षों में सैकड़ों मूवी ट्रेलर जारी किए गए, साथ ही दर्शकों के व्यवहार के बारे में लाखों रिकॉर्ड भी।

वैज्ञानिक लेख लिखते हैं, "वैज्ञानिक लेख लिखते हैं," इन संकेतों का एक उपयुक्त प्रतिनिधित्व करने और उन्हें एक मॉडल में लोड करने के बाद, जिनके पास फिल्म उपस्थिति के ऐतिहासिक रिकॉर्ड तक पहुंच है, आप ट्रेलर और भविष्य के दर्शकों की पसंद के बीच गैर-तुच्छ जुड़ाव पा सकते हैं।

फिल्म "द ग्रेटेस्ट शोमैन" के दर्शकों की भविष्यवाणी के लिए मर्लिन पाठ (पाठ में) और मर्लिन वीडियो (वीडियो में) सिस्टम के परिणाम तालिका में दिखाए गए हैं। सही कॉलम में - वास्तव में वास्तविक दर्शक।



जैसा कि आप देख सकते हैं, पाठ विश्लेषण ने फिल्म के दर्शकों को काफी सटीक भविष्यवाणी की, लेकिन वीडियो अनुक्रम के विश्लेषण ने कई लापता टुकड़े जोड़े। प्रयोगों से पता चला है कि डेटा की एक छोटी राशि के साथ, ट्रेलर विश्लेषण के साथ एक कंप्यूटर विजन सिस्टम एक पाठ विश्लेषण प्रणाली, यानी एक स्क्रिप्ट की तुलना में 6.5% बेहतर एयूसी परिणाम (आरओसी वक्र के तहत क्षेत्र) दिखाता है।

इस तरह के एक कमजोर आर्टिफिशियल इंटेलिजेंस की मदद से, फिल्म स्टूडियो के विपणन विभाग दर्शकों के हितों को अधिक सटीक रूप से समझने में सक्षम होंगे। वे बेहतर तरीके से समझ पाएंगे कि नई फिल्म में किस तरह के लोग रुचि रखते हैं। सबसे महत्वपूर्ण बात यह है कि यह दर्शक किस पिछली फिल्मों के साथ जुड़ते हैं। इस तरह, आप विशिष्ट दर्शकों पर लक्षित अधिक प्रभावी मार्केटिंग अभियान चला सकते हैं।

शोधकर्ता अब एक एकल प्रणाली में परिदृश्य और ट्रेलर फुटेज के विश्लेषण के लिए दर्शकों की भविष्यवाणी प्रणाली को संयोजित करने के लिए काम कर रहे हैं। इस मामले में, पूर्वानुमान यथासंभव सटीक होगा।

वैज्ञानिक लेख 12 जुलाई, 2018 को प्रीप्रिंट साइट arXiv.org (arXiv: 1807.0446561) पर प्रकाशित हुआ था।