20వ సెంచరీ ఫాక్స్, ఒక సినిమా కోసం ప్రక్షకుల్ని అంచనావేయడం కోసం AI మోడల్ ని సృష్టించడానికి పరిశోధనచేస్తోంది

HIGHLIGHTS

గత సంవత్సరం విడుదలైన వందల సినీమా ట్రయిలర్ల మీద ఫ్రేమ్ వర్క్ చేయడానికి న్యూరల్ నెట్ వర్క్ శిక్షణ కోసం NVIDIA టెస్లా పి100 జిపియు గూగుల్ క్లావుడ్ మీద cuDNN -యాక్సల్రేటెడ్ టెన్సర్ ఫ్లో సహాయం తో లోతైన అభ్యాసం కోసం ఈ పరిశోదనలు వాడుకోనున్నాయి.

మొదటగా , 20థ్ సెంచరీ ఫాక్స్ చేస్తున్న ఈ పరిశోధనలలో ముఖ్యంగా ప్రేక్షకులు ఏవిధమైన సినిమాలను చూడడానికి మొగ్గు చూపుతున్నారో అంచనా వేయగల ఆర్టిఫీషియల్ ఇంటెలిజెన్స్ (AI) – శక్తితో పనిచేసే మోడల్ ని అబ్దివృద్ది చేయగలిగింది. సినిమాల యొక్క ట్రయిలర్లని ఆధారంగా చేసికొని ఇది అంచనాలను అందిస్తుంది. వీడియో ట్రైలర్స్ కొత్త చిత్రాలకు మార్కెటింగ్ ప్రచారంలో అత్యంత కీలకమైన అంశాలుగా ఉన్నాయి కాబట్టి ఈ మోడల్ చిత్ర నిర్మాతలు ,సాధారణ ప్రజల ఆసక్తులపై చలన చిత్రాలను రూపొందించడానికి,  చిత్రం యొక్క కథను సులభంగా వారికి తెలియజేయడం, ప్రధాన పాత్రలు అందించడం మరియు కథ గురించి ముఖ్యమైన సూచనలు ఇవ్వడం వంటి వాటికి సహాపడుతుంది. దీని ద్వారా సినీమా లోని ఏ సంఘటనలను ప్రేక్షకులు ఇష్టపడుతున్నారో ఏ సంఘటనలను ఇష్టపడడం లేదో వారికి తెలుసుకునే వీలుంటుంది.

"ఈ విధానం వలన ఏవిధమైన మార్కెటింగ్ ప్రచారం వ్యూహాలను చేయాలో అంచనా వేసుకోవచ్చు.ఈ పేజీ లో మార్లిన్ వీడియో గ పిలిచే ఒక సాధనాన్ని చుపించాము, సినిమా ట్రైలర్ యొక్క స్పష్టమైన  వివరణలను సృష్టించందానికి మరియు  వినియోగదారుని ప్రవర్తనను అంచనా వేయడానికి ఆ ప్రాతినిధ్యాలను ఉపయోగిస్తుంది. మూవీ స్టూడియోలు ,వీడియో అస్సెట్  నిర్వహణ మరియు పైరసీ గుర్తింపు కోసం ముందుగా కంప్యూటర్ విజన్ ని ఉపయోగిస్తాయి .  మొదటిగా, స్టూడియో తక్కువ-స్థాయి చలన చిత్ర  ట్రైలర్స్  ని చూపిస్తాయి దీనితో వినియోగదారుని అభిరుచిని  అంచనా వేయడానికి మరియు భవిష్యత్తును  ఉహియించాడనికి సహాయ పడుతుంది, "అని టీ పరిశోధకుడు చెప్పారు.ఇది, మా జ్ఞానం యొక్క విస్తృతికి, ఇది మా పరిజ్ఙానం యొక్క విస్తృతి " అని టీ పరిశోధకులు చెప్పారు.

ఈ వ్యవస్థ ద్వారా మనుగడలో ఉన్న చిత్రాల యొక్క ద్వారా కలర్ ,ప్రకాశం ,ముఖాలు ,వస్తువులు మరియు ప్రకృతి దృశ్యాలను కచ్చితంగా చూపించడానికి మరియు విడుదలైన సినిమాలకు  ప్రేక్షకుల స్పందన కూడా ఈ ఫీచర్ వివరించి చెబుతుంది. "ఈ ఫీచర్ లో ముందుగానే ఉంచబడిన ఎక్స్ట్రాక్టర్లను ఉపయోగించి, మనము బహిరంగంగా అందుబాటులో ఉన్న ట్రయిలర్ల ఫ్రేం-బై-ఫ్రేం ఎక్స్ట్రాక్ట్ చేసికొనే వీలుంది , లో లెవల్ ఫీచర్ (ఉదా :ముఖము,వస్తువు ఇంకా ఇతరములు,వంటివి)ద్వారా వీడియో-లెవల్ రిప్రజెంటేషన్ ను రూపొందించవచ్చు. చారిత్రక చిత్రాల పనితనం ఒక్క వివరాల కోసం మేము వీడియో-లెవల్ రిప్రజెంటేషన్ ని హైబ్రిడ్ కంబైన్ ఫిల్టరింగ్ ఫీచర్ తో ట్రైయిన్ చేస్తాము . ట్రైయిన్ పొందిన మోడల్ ఇప్పటికే ఉన్న సినిమాలకు ఖచ్చితమైన అటెండెన్స్ మరియు ఉన్న ప్రేక్షకులను అంచనా వేయడమే, కాకుండా వారి విడుదలకు  ఆరు నుంచి ఎనిమిది నెలల ముందు నుంచే  కొత్త చిత్రాలను విజయవంతంగా ప్రొఫైల్ చేస్తుంది ", భారతీయ సంతతికి చెందిన ఒక వ్యక్తితో సహా ఫాక్స్ పరిశోధకులు, వారి కాగితంలో రాశారు, ఇది ArXiv.org లో ప్రచురించబడింది – ఇది మోడరేషన్ తర్వాత ప్రచురణ కోసం ఆమోదించబడిన ఎలక్ట్రానిక్ ప్రీప్రింట్స్ యొక్క రిపోజిటరీ.

ఈ టీమ్ గత సంవత్సరం విడుదలైన వందల సినీమా ట్రయిలర్ల మీద ఫ్రేమ్ వర్క్ చేయడానికి న్యూరల్ నెట్ వర్క్ శిక్షణ కోసం  NVIDIA టెస్లా పి100 జిపియు గూగుల్ క్లావుడ్ మీద cuDNN -యాక్సల్రేటెడ్ టెన్సర్ ఫ్లో సహాయం తో లోతైన అభ్యాసం కోసం ఈ పరిశోదనలు వాడుకోనున్నాయి, మిలియన్స్ కొద్దీ రికార్డ్ అటెండెన్స్ కూడా ఉన్నట్లు , ఈ పేపర్ తెలిపింది. " సరైన రిప్రజెంటేషన్ ను గొనడం మరియు ప్రాప్యత కలిగి ఉన్న ఒక మోడల్ కు వాటిని ఇవ్వడం ద్వారా చారిత్రాత్మక చలనచిత్ర  రికార్డులకు అటెండెన్స్ రికార్డ్ ఇవ్వడమే కాకుండా ,అల్పమైన  వీడియో ట్రెయిలర్ లక్షణాలు మరియు థియేటర్లలో విడుదల తర్వాత భవిష్యత్తులో ప్రేక్షకుల ఎంపికల మధ్య తారతమ్యాలు స్ట్రీమింగ్ సర్వీస్ లను " ఈ  పరిశోధన పేర్కొంది.

Raja Pullagura

Raja Pullagura is the chief copy editor at Digit, he is known for producing engaging and informative content in regional languages, especially Telugu. With a growing interest in technology journalism, he has been actively creating articles covering smartphones, gadgets, telecom updates, and trending tech news. He has developed a strong inclination toward simplifying complex tech concepts for everyday readers.

Connect On :