IA produz trailers de forma não-supervisionada

Os trailers fazem parte da estratégia de marketing dos grandes estúdios cinematográficos, apresentando um resumo do plot do filme, seu estilo artístico e o sentimento geral de forma a motivar o público a assistir ao filme inteiro. A produção de trailers tem considerável bagagem técnica, que guia o editor responsável na tarefa de entregar um material com o potencial desejado.

Apesar de ainda ser um trabalho feito primariamente por pessoas, esta área está prestes a receber ajuda da inteligência artificial. Pesquisadores da Universidade de Edinburgo, no Reino Unido, criaram um sistema capaz de produzir trailers de filmes, de forma automática, usando o roteiro e as sequências de vídeo.

O algoritmo foi desenvolvido na forma de duas redes neurais. Uma delas é responsável por processar o texto, criando representações da estrutura narrativa ao nível de cena. A outra faz um trabalho similar com as sequências de vídeo, buscando prever as emoções envolvidas. A informação é representada na forma de grafos, onde as cenas ou sequências são tratadas como nós, e suas relações semânticas são as arestas. Um módulo final faz a interligação entre esses dois domínios para gerar os trailers. Isso tudo de forma não-supervisionada. Esta arquitetura foi pensada levando em consideração que os trailers bem sucedidos devem apresentar “pontos de virada” do filme, que despertem o interesse do espectador.

O novo sistema se saiu muito melhor do que as técnicas atuais para geração automática de trailers. Para esta avaliação, os pesquisadores produziram trailers para 41 filmes diferentes, e pediram a avaliadores humanos para escolher os melhores resultados.

Os pesquisadores não esperam que seu trabalho chegue a substituir os editores humanos, mas deve ajudar a facilitar e agilizar a produção de trailers. Ainda assim, eles já trabalham em melhorias para tornar o processo ainda mais automatizado. Neste trabalho, devido a ausência de datasets rotulados, só foi possível caracterizar as cenas como emocionalmente positivas ou negativas, mas uma granularidade maior, considerando por exemplo emoções como tristeza, desprezo, terror ou alegria, deve produzir resultados ainda mais interessantes.

Deixe um comentário

O seu endereço de e-mail não será publicado.

Esse site utiliza o Akismet para reduzir spam. Aprenda como seus dados de comentários são processados.