AIが予告編分析で映画観客動員を予測、協調フィルタリング活用
- 新機械学習モデルが、予告編に基づきどの観客が映画を観る可能性高いか予測。
- 協調フィルタリング手法で顔、物体、風景など予告編特徴を抽出。
- これら特徴を動員・人口統計データと結合し観客動員予測。
予告編は新作映画マーケティングキャンペーンで最も重要な部分です。キャラクター紹介、プロット伝達、ストーリーのヒント提示、映画ファンへの認知度向上を行います。
映画製作者にとって、観客視点を学ぶ機会です：何が気に入り、何が感心させなかったか。通常これら詳細は次のマーケティングキャンペーン戦略計画に役立ちます。
最適なプレビューを予告編に選ぶため、20th Century Fox映画スタジオのエンジニアたちが、予告編に基づきどの観客が映画を観る可能性高いか予測する「Merlin Video」という機械学習手法を開発しました。
仕組み
Merlin Videoは予告編の密な表現を生成し、それらを使用して観客行動を分析・予測します。研究チームによると、映画スタジオが予告編の低水準表現を使用して観客関心を測定するのはこれが初めてです。
最先端協調フィルタリングモデルベースで、照明、物体、色、顔などの特徴を抽出し、動員・人口統計データと結合して、既存映画および未公開映画の観客動員を正確に予測します。
畳み込みニューラルネットワークがフレームごとの低レベル特徴を抽出。事前訓練ネットワークで予告編関連フレームの特徴検出・分析可能。これら特徴の適切な表現を過去記録で訓練されたニューラルネットワークに入力することで、映画予告編特徴と将来観客嗜好の有意なリンクを発見できます。
Merlin Video概要 | 研究者提供
参照：arXiv:1807.04465
より具体的には、Merlin Videoは距離ベース協調フィルタリングモデルをユーザー直近度とユーザー頻度とマージするロジスティック回帰層を含み、観客動員確率を生成。システムはエンドツーエンドで訓練され、ロジスティック回帰損失がすべて訓練可能モジュールに逆伝播されます。
要約すると、エンジニアたちはこの研究で3つの主な貢献をしました：
- 予告編内容を使用してコールドスタートと劇場推薦を処理するために特別に開発された映画公開推薦モデル。
- Merlin Videoの複数バージョン性能を測定し、実世界意思決定手順での活用方法を実証。
- 動画とテキスト入力を組み合わせて予測精度向上させる実現可能な方法を議論。
ニューラルネットワークは、過去数年間に公開された数百予告編と数百万動員記録で訓練されました。Google Cloud上でNVIDIA Tesla P100 GPU、CUDA深層ニューラルネットワークで駆動されるTensorFlowを使用してモデル訓練しました。
関連記事：Nvidia AIが30fps動画を240fpsに変換
今後、エンジニアたちは動画とテキスト特徴両方を活用して映画成功予測するモデル構築に注力します。
産業技術