Today's popular TV series tend to develop continuous, complex plots spanning several seasons, but are often viewed in controlled and discontinuous conditions. Consequently, most viewers need to be re-immersed in the story before watching a new season. Although discussions with friends and family can help, we observe that most viewers make extensive use of summaries to re-engage with the plot. Automatic generation of video summaries of TV series' complex stories requires, first, modeling the dynamics of the plot and, second, extracting relevant sequences. In this paper, we tackle plot modeling by considering the social network of interactions between the characters involved in the narrative: substantial, durable changes in a major character's social environment suggest a new development relevant for the summary. Once identified, these major stages in each character's storyline can be used as a basis for completing the summary with related sequences. Our algorithm combines such social network analysis with filmmaking grammar to automatically generate character-oriented video summaries of TV series from partially annotated data. We carry out evaluation with a user study in a real-world scenario: a large sample of viewers were asked to rank video summaries centered on five characters of the popular TV series Game of Thrones, a few weeks before the new, sixth season was released. Our results reveal the ability of character-oriented summaries to re-engage viewers in television series and confirm the contributions of modeling the plot content and exploiting stylistic patterns to identify salient sequences.

中文翻译：

---

记住冬天来了：面向角色的电视剧视频摘要

当今流行的电视连续剧倾向于发展跨越几个季节的连续、复杂的情节，但通常在受控和不连续的条件下观看。因此，大多数观众在观看新一季之前需要重新沉浸在故事中。尽管与朋友和家人的讨论会有所帮助，但我们观察到大多数观众广泛使用摘要来重新参与情节。自动生成电视剧复杂故事的视频摘要，首先需要对情节的动态进行建模，其次，提取相关序列。在本文中，我们通过考虑叙事中涉及的角色之间互动的社交网络来处理情节建模：主要角色社会环境的实质性、持久变化表明了与摘要相关的新发展。一旦确定，每个角色的故事情节中的这些主要阶段都可以用作完成带有相关序列的摘要的基础。我们的算法将这种社交网络分析与电影制作语法相结合，从部分注释的数据中自动生成面向角色的电视剧视频摘要。我们通过真实世界场景中的用户研究进行评估：在新的第六季发布前几周，大量观众样本被要求对以热门电视剧《权力的游戏》的五个角色为中心的视频摘要进行排名. 我们的结果揭示了以角色为导向的摘要重新吸引观众观看电视剧的能力，并确认了对情节内容建模和利用文体模式来识别突出序列的贡献。故事情节可用作完成带有相关序列的摘要的基础。我们的算法将这种社交网络分析与电影制作语法相结合，从部分注释的数据中自动生成面向角色的电视剧视频摘要。我们通过真实世界场景中的用户研究进行评估：在新的第六季发布前几周，大量观众样本被要求对以热门电视剧《权力的游戏》的五个角色为中心的视频摘要进行排名. 我们的结果揭示了以角色为导向的摘要重新吸引观众观看电视剧的能力，并确认了对情节内容建模和利用文体模式来识别突出序列的贡献。故事情节可用作完成带有相关序列的摘要的基础。我们的算法将这种社交网络分析与电影制作语法相结合，从部分注释的数据中自动生成面向角色的电视剧视频摘要。我们通过真实世界场景中的用户研究进行评估：在新的第六季发布前几周，大量观众样本被要求对以热门电视剧《权力的游戏》的五个角色为中心的视频摘要进行排名. 我们的结果揭示了以角色为导向的摘要重新吸引观众观看电视剧的能力，并确认了对情节内容建模和利用文体模式来识别突出序列的贡献。我们的算法将这种社交网络分析与电影制作语法相结合，从部分注释的数据中自动生成面向角色的电视剧视频摘要。我们通过真实世界场景中的用户研究进行评估：在新的第六季发布前几周，大量观众样本被要求对以热门电视剧《权力的游戏》的五个角色为中心的视频摘要进行排名. 我们的结果揭示了以角色为导向的摘要重新吸引观众观看电视剧的能力，并确认了对情节内容建模和利用文体模式来识别突出序列的贡献。我们的算法将这种社交网络分析与电影制作语法相结合，从部分注释的数据中自动生成面向角色的电视剧视频摘要。我们通过真实世界场景中的用户研究进行评估：在新的第六季发布前几周，大量观众样本被要求对以热门电视剧《权力的游戏》的五个角色为中心的视频摘要进行排名. 我们的结果揭示了以角色为导向的摘要重新吸引观众观看电视剧的能力，并确认了对情节内容建模和利用文体模式来识别突出序列的贡献。在新的第六季发布前几周，大量观众样本被要求对以流行电视剧《权力的游戏》的五个角色为中心的视频摘要进行排名。我们的结果揭示了以角色为导向的摘要重新吸引观众观看电视剧的能力，并确认了对情节内容建模和利用文体模式来识别突出序列的贡献。在新的第六季发布前几周，大量观众样本被要求对以流行电视剧《权力的游戏》的五个角色为中心的视频摘要进行排名。我们的结果揭示了以角色为导向的摘要重新吸引观众观看电视剧的能力，并确认了对情节内容建模和利用文体模式来识别突出序列的贡献。