一种可扩展的采样方法，用于基于人工智能的电影酒精含量估算

《Drug and Alcohol Review》：A Scalable Sampling Approach for Artificial Intelligence-Based Alcohol Content Estimation in Movies

人工智能分析电影酒精描绘时，采用1帧/秒采样频率可保持误差低于0.10%，同时将计算时间缩短25倍，为大规模影视内容监测提供高效解决方案。

　　

摘要

引言

通过流媒体平台，电影的传播范围不断扩大，同时也增加了观众接触到酒精相关内容的机会，而酒精在电影中的描绘已被证实是导致饮酒的一个风险因素。因此，尽管估计电影中酒精出现的频率非常重要，但由于需要投入大量的时间和精力，这一任务仍然具有挑战性。人工智能为分析电影帧提供了可扩展的解决方案；然而，处理一部全长电影中每秒25帧（fps）的所有帧需要大量的计算资源。因此，我们旨在测试较低采样频率是否会影响酒精出现频率估计的准确性。

方法

我们分析了20部具有不同酒精呈现频率的长片电影，并使用LLaVA v1.6模型（准确率为95%）的零样本预测作为基准进行了分析。我们将采样频率从25 fps（全帧率）降低到1 fps，并采用了每N秒采样1帧的稀疏间隔采样方法（N = 1, 2, …, 10），同时测量了酒精比例的估计值和处理时间。为了评估采样带来的误差，我们计算了差异分数，即采样帧与全帧酒精比例之间的差异。

结果

采样频率为1 fps时，平均差异分数低于0.10，同时处理时间减少了25倍。而在更稀疏的采样间隔下，误差增加，当采样频率为每10秒1帧时，差异分数达到了0.46。

讨论与结论

将采样频率从25 fps降低到1 fps虽然导致准确性略有下降，但处理时间大幅减少。这一发现支持1 fps作为大规模电影酒精暴露频率估计的一种实用且可扩展的采样方式。

要点总结

1. 使用人工智能逐帧分析电影在时间和资源上都非常耗时，阻碍了大规模分析的进行。
2. 我们采用了不同的采样率，并使用零样本LLaVA预测来量化酒精比例估计的误差。
3. 每秒采样1帧的策略导致的误差非常小，差异分数仅为0.1%。
4. 这种1 fps的采样策略使处理时间减少了25倍，将一部典型时长两小时的电影的处理时间从超过20小时缩短到了不到1小时。
5. 这种方法将电影酒精暴露分析的负担转化为一种可扩展的、实时的工作流程，有助于公共卫生监测和基于证据的政策制定。

利益冲突

作者声明没有利益冲突。

数据可用性声明

支持本研究结果的数据可向相应作者索取。由于隐私或伦理限制，这些数据并未公开。