KI sagt Kinobesuch durch Trailer-Analyse mit Collaborative Filtering voraus

• Neues ML-Modell vorhersagt, welche Audiences einen Film basierend auf Trailer wahrscheinlich ansehen.
• Nutzt Collaborative Filtering für Trailer-Feature-Extraktion: Gesichter, Objekte, Landschaften etc.
• Features kombiniert mit Attendance & Demographic Data → Audience Attendance Prediction.

Trailer: wichtigster Teil Marketing-Kampagne neuer Filme. Präsentieren Charaktere, kommunizieren Plot, geben Story-Hints, steigern Awareness bei Filmfans.

Für Filmmacher: Gelegenheit, Audience Perspective zu lernen – was gefiel, was nicht. Details helfen Planung nächster Marketing-Strategie.

20th Century Fox Film Studios: ML-Methode „Merlin Video“ – vorhersagt Audience Likelihood basierend auf Trailer.

Funktionsweise

Merlin Video generiert Dense Representations eines Trailers → Analyse & Prediction Audience Behavior. Laut Research Team: Erstmals nutzt Movie Studio Low-Level Representation von Trailern für Audience Interest Measurement.

Basiert auf State-of-the-Art Collaborative Filtering Model: Extraktion Features (Illumination, Objects, Colors, Faces) + Kombination mit Attendance & Demographic Data → akkurate Forecast Audience Attendance für existierende & upcoming Filme.

Convolutional Neural Networks extrahieren Frame-by-Frame Low-Level Features. Pre-trained Networks detect & analysieren Features in relevanten Trailer-Frames. Feeding appropriate Representations an Neural Networks trainiert auf Historical Records → Significant Links zwischen Trailer-Features & zukünftigen Audience Preferences.

Overview Merlin Video | Courtesy of researchers

Referenz: arXiv:1807.04465

Merlin Video enthält Logistic Regression Layer: merged Distance-based Collaborative Filtering Model mit User Recency & User Frequency → Probability Audience Attendance. System End-to-End trainiert, Logistic Regression Loss backpropagated zu allen trainierbaren Modulen.

Zusammenfassung: 3 Hauptbeiträge dieser Studie:

1. Recommendation Model für Movie Releases – spezifisch für Cold-Start & Theatrical Recommendations via Trailer Content.
2. Performance Measurement multipler Merlin Video Versions & Demonstration Real-World Decision Making Nutzung.
3. Diskussion feasible Ways zur Kombination Video & Text Inputs für verbesserte Prediction Accuracy.

Neural Network trainiert auf hunderten Trailern vergangener Jahre & Millionen Attendance Records. NVIDIA Tesla P100 GPU auf Google Cloud, TensorFlow powered by CUDA Deep Neural Network.

Lesen Sie auch: Nvidia KI konvertiert 30fps Videos zu 240fps

Zukünftige Arbeit: Modell mit Video & Text Features für Film-Erfolgs-Forecast.