| 講演名 | 2017-09-21 畳み込みニューラルネットによるテレビ広告動画における魅力予測 中村 遵介(東大), 河原 達也(ビデオリサーチ), 山崎 俊彦(東大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | テレビ広告動画(CM動画)は「どの程度視聴者が認知するか」「商品購入の意欲が湧くか」等の指標が重要であり，CM制作にはこれらの予測が不可欠である．現在は視聴率と出稿時間の積の総和である延べ視聴率を主とした予測を行っているが，我々は14,492本のCM動画と600人程の評価データを利用して，延べ視聴率と認知度等の相関は0.3程度であることを明らかにし，深層学習を用いたより精度の高い手法を提案する．さらに提案手法は延べ視聴率から予測困難な指標(好意度．商品の購入喚起度)等も予測可能であることを示す． |
| 抄録(英) | Predicting the recognition rate of television advertising is a critical issue for advertisers, but factors that contribute to the recognition rate are still mysterious. In our preliminary experiments using 11,230 advertising videos and subjective evaluation by about 600 people for each content, we found that gross rating point (GRP), which is one of the most commonly used indicator, has little correlation with the recognition rate (correlation ratio between GRP and the recognition rate was 0.3). In this study, we show that even raw deep feature is more useful and can achieve the correlation value of 0.47. |
| キーワード(和) | 深層学習 / 広告動画 / 動画特徴 / 動画解析 |
| キーワード(英) | deep neural network / television advertising / video feature / video analysis |
| 資料番号 | MVE2017-18 |
| 発行日 | 2017-09-14 (MVE) |
| 研究会情報 | |
| 研究会 | MVE |
|---|---|
| 開催期間 | 2017/9/21(から2日開催) |
| 開催地（和） | 千葉大学 西千葉キャンパス |
| 開催地（英） | Chiba Univ. |
| テーマ（和） | 魅力，食体験，メディアエクスペリエンスおよび一般（CEA，AC協賛） |
| テーマ（英） | |
| 委員長氏名（和） | 亀田 能成(筑波大) |
| 委員長氏名（英） | Yoshinari Kameda(Univ. of Tsukuba) |
| 副委員長氏名（和） | 間瀬 健二(名大) |
| 副委員長氏名（英） | Kenji Mase(Nagoya Univ.) |
| 幹事氏名（和） | 飯山 将晃(京大) / 木村 篤信(NTT) / 内山 英昭(九大) |
| 幹事氏名（英） | Masaaki Iiyama(Kyoto Univ.) / Atsunobu Kimura(NTT) / Hideaki Uchiyama(Kyushu Univ.) |
| 幹事補佐氏名（和） | 平山 高嗣(名大) / 青木 良輔(NTT) |
| 幹事補佐氏名（英） | Takatsugu Hirayama(Nagoya Univ.) / Ryosuke Aoki(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Media Experience and Virtual Environment |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 畳み込みニューラルネットによるテレビ広告動画における魅力予測 |
| サブタイトル（和） | |
| タイトル（英） | Predictions of Effectiveness of Television Advertising with Convolutional Neural Networks |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 深層学習 / deep neural network |
| キーワード(2)（和/英） | 広告動画 / television advertising |
| キーワード(3)（和/英） | 動画特徴 / video feature |
| キーワード(4)（和/英） | 動画解析 / video analysis |
| 第 1 著者 氏名（和/英） | 中村 遵介 / Shunsuke Nakamura |
| 第 1 著者 所属（和/英） | 東京大学(略称：東大) The university of Tokyo(略称：Univ. of Tokyo) |
| 第 2 著者 氏名（和/英） | 河原 達也 / Tatsuya Kawahara |
| 第 2 著者 所属（和/英） | ビデオリサーチ(略称：ビデオリサーチ) VideoResearch Ltd.(略称：VideoResearch) |
| 第 3 著者 氏名（和/英） | 山崎 俊彦 / Toshihiko Yamasaki |
| 第 3 著者 所属（和/英） | 東京大学(略称：東大) The university of Tokyo(略称：Univ. of Tokyo) |
| 発表年月日 | 2017-09-21 |
| 資料番号 | MVE2017-18 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | MVE-217 |
| ページ範囲 | pp.21-24(MVE), |
| ページ数 | 4 |
| 発行日 | 2017-09-14 (MVE) |