AI Memprediksi Jumlah Penonton Film dengan Menganalisis Trailer dengan Pemfilteran Kolaboratif
- Model pembelajaran mesin baru memprediksi penonton mana yang kemungkinan besar akan menonton film berdasarkan cuplikannya.
- Ini menggunakan metode Pemfilteran Kolaboratif untuk mengekstrak fitur cuplikan seperti wajah, objek, lanskap, dll.
- Fitur-fitur ini kemudian digabungkan dengan data kehadiran dan demografi untuk memprediksi kehadiran audiens.
Cuplikan adalah bagian terpenting dari kampanye pemasaran untuk film baru. Mereka menghadirkan karakter, mengkomunikasikan plot, mengungkapkan beberapa petunjuk tentang jalan cerita, dan meningkatkan kesadaran di kalangan pecinta film.
Bagi pembuat film, ini adalah kesempatan untuk mempelajari sudut pandang penonton:apa yang mereka sukai dan apa yang tidak membuat mereka terkesan. Biasanya, detail ini membantu mereka merencanakan strategi kampanye pemasaran berikutnya.
Untuk membantu mendapatkan pratinjau terbaik untuk cuplikan, para insinyur di studio film 20th Century Fox membuat metode pembelajaran mesin bernama Merlin Video, yang memprediksi kemungkinan besar penonton akan menonton film, berdasarkan cuplikannya.
Bagaimana Cara Kerjanya?
Merlin Video menghasilkan representasi cuplikan yang padat dan menggunakannya untuk menganalisis dan memprediksi perilaku penonton. Menurut tim peneliti, ini adalah pertama kalinya studio film menggunakan representasi trailer tingkat rendah untuk mengukur minat penonton.
Hal ini didasarkan pada model Pemfilteran Kolaboratif yang canggih, yang mengekstrak fitur seperti pencahayaan, objek, warna, dan wajah, lalu menggabungkannya dengan data kehadiran dan demografi untuk secara akurat memperkirakan kehadiran penonton untuk film yang sudah ada, serta film yang belum dirilis.
Jaringan neural konvolusional mengekstrak fitur tingkat rendah frame demi frame. Jaringan terlatih dapat digunakan untuk mendeteksi dan menganalisis fitur dalam bingkai cuplikan yang relevan. Dengan memasukkan representasi yang tepat dari fitur-fitur ini ke jaringan saraf yang dilatih berdasarkan catatan sejarah, seseorang dapat menemukan hubungan signifikan antara fitur cuplikan film dan preferensi penonton di masa mendatang.
Ikhtisar Video Merlin | Atas perkenan para peneliti
Referensi: arXiv:1807.04465
Lebih khusus lagi, Video Merlin berisi lapisan regresi logistik yang menggabungkan model Pemfilteran Kolaboratif berbasis jarak dengan keterkinian pengguna dan frekuensi pengguna untuk menghasilkan kemungkinan kehadiran penonton. Sistem dilatih secara menyeluruh, dan kerugian regresi logistik disebarkan kembali ke semua modul yang dapat dilatih.
Singkatnya, para insinyur telah memberikan tiga kontribusi utama dalam penelitian ini:
- Model rekomendasi untuk rilis film yang dikembangkan secara khusus untuk menangani rekomendasi cold-start dan teatrikal menggunakan konten cuplikan.
- Mereka mengukur kinerja beberapa versi Video Merlin dan mendemonstrasikan bagaimana video tersebut dapat digunakan dalam prosedur pengambilan keputusan dalam skenario dunia nyata.
- Mereka mendiskusikan cara yang layak untuk menggabungkan input video dan teks untuk meningkatkan akurasi prediksi.
Jaringan saraf dilatih pada ratusan trailer yang dirilis selama beberapa tahun terakhir, dan jutaan catatan kehadiran. Mereka menggunakan GPU NVIDIA Tesla P100 di Google Cloud, dengan TensorFlow yang didukung oleh jaringan neural dalam CUDA, untuk melatih modelnya.
Baca:Nvidia AI Dapat Mengonversi Video 30fps Menjadi 240fps
Di masa depan, para insinyur akan fokus membangun model yang memanfaatkan fitur video dan teks untuk memperkirakan kesuksesan sebuah film.
