| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2017-09-21 15:45 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）  MVE2017-18 |
|
| 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． |
| （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 / / / / |
| （英） | deep neural network / television advertising / video feature / video analysis / / / / | |
| 文献情報 | 信学技報, vol. 117, no. 217, MVE2017-18, pp. 21-24, 2017年9月. | |
| 資料番号 | MVE2017-18 | |
| 発行日 | 2017-09-14 (MVE) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | MVE2017-18 |
|
| 研究会情報 | |
| 研究会 | MVE |
| 開催期間 | 2017-09-21 - 2017-09-22 |
| 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） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | MVE |
| 会議コード | 2017-09-MVE |
| 本文の言語 | 日本語 |
| 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（英） | |
| 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 |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 中村 遵介 / Shunsuke Nakamura / ナカムラ シュンスケ |
| 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/ヨミ） | 河原 達也 / Tatsuya Kawahara / カワハラ タツヤ |
| 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/ヨミ） | 山崎 俊彦 / Toshihiko Yamasaki / ヤマサキ トシヒコ |
| 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) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-09-21 15:45:00 |
| 発表時間 | 30分 |
| 申込先研究会 | MVE |
| 資料番号 | MVE2017-18 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.217 |
| ページ範囲 | pp.21-24 |
| ページ数 | 4 |
| 発行日 | 2017-09-14 (MVE) |
[研究会発表申込システムのトップページに戻る]