AI, 예고편 분석해 영화 관객 수 예측... 협업 필터링 활용

• 새 머신러닝 모델, 예고편 기반으로 어떤 관객이 영화 볼지 예측
• 협업 필터링(Collaborative Filtering) 방법으로 얼굴, 객체, 풍경 등 예고편 특징 추출
• 이 특징들 관객 수 및 인구통계 데이터와 결합해 관객 수 예측

예고편(trailer)은 신작 영화 마케팅 캠페인에서 가장 중요한 부분. 캐릭터 제시, 줄거리 전달, 스토리라인 힌트 공개, 영화 팬들 사이 인지도 제고.

영화 제작자에겐 관객 관점 학습 기회: 뭐가 좋았고 뭐가 인상적이지 않았나. 보통 이런 디테일 다음 마케팅 캠페인 전략 계획에 도움.

최고 예고편 선별 돕기 위해 20세기 폭스(20th Century Fox) 영화사 엔지니어들이 멀린 비디오(Merlin Video)란 머신러닝 방법 구축. 예고편 기반으로 어떤 관객이 영화 볼지 예측.

작동 원리

멀린 비디오는 예고편 밀집 표현(dense representation) 생성해 관객 행동 분석·예측에 사용. 연구팀에 따르면 영화 스튜디오가 예고편 저수준 표현(low-level representation) 사용해 관객 관심 측정하는 건 최초.

최첨단 협업 필터링 모델 기반으로 조명, 객체, 색상, 얼굴 등 특징 추출해 관객 수 및 인구통계 데이터와 결합해 기개봉·미개봉 영화 모두 관객 수 정확히 예측.

컨볼루션 뉴럴 네트워크가 프레임별 저수준 특징 추출. 사전 훈련된 네트워크로 예고편 관련 프레임 특징 탐지·분석. 이런 특징 적절한 표현을 과거 기록 훈련된 뉴럴 네트워크에 입력하면 영화 예고편 특징과 미래 관객 선호 간 유의미한 링크 발견 가능.

멀린 비디오 개요 | 연구진 제공

참조: arXiv:1807.04465

구체적으로 멀린 비디오는 거리 기반 협업 필터링 모델을 사용자 최신성(recency)과 빈도(frequency)와 합치는 로지스틱 회귀 레이어(logistic regression layer) 포함해 관객 수 확률 생성. 시스템 엔드투엔드 훈련되며 로지스틱 회귀 손실 모든 훈련 가능 모듈로 역전파.

요약하면 이 연구에서 엔지니어들 세 가지 주요 기여:

1. 예고편 콘텐츠 사용해 콜드스타트(cold-start) 및 극장 추천 처리 위해 특별 개발된 영화 개봉 추천 모델.
2. 멀린 비디오 여러 버전 성능 측정해 실제 시나리오 의사결정 절차 활용법 시연.
3. 비디오와 텍스트 입력 결합해 예측 정확도 높일 실행 가능 방식 논의.

뉴럴 네트워크는 과거 몇 년간 개봉된 수백 개 예고편과 수백만 관객 기록으로 훈련. 구글 클라우드에서 엔비디아 테슬라 P100 GPU, CUDA 딥 뉴럴 네트워크로 구동되는 텐서플로 사용해 모델 훈련.

참고: 엔비디아 AI, 30fps 비디오 240fps로 변환

향후 작업에서 엔지니어들은 비디오와 텍스트 특징 모두 활용해 영화 성공 예측 모델 구축에 집중할 예정.