🎬 Automated Film Censorship & Age Rating

Hệ thống AI tự động gắn nhãn kiểm duyệt và đề xuất độ tuổi phù hợp cho phim dựa trên trailer và metadata.

---

1. Mục tiêu dự án

Dự án xây dựng hệ thống gồm hai thành phần chính:

Nhận diện hành vi gây hại trong video

• Violence (bạo lực)
• Nudity (cảnh khỏa thân / nhạy cảm)
• Crime (hành vi phạm pháp)

→ Giúp backbone học được “ý thức kiểm duyệt”.

Dự đoán độ tuổi phù hợp cho phim

• Sử dụng trailer (vision branch)
• Sử dụng metadata (metadata branch)

Late Fusion

Kết hợp kết quả từ hai nhánh để đưa ra phân loại cuối cùng chính xác hơn.

---

2. Pipeline tổng quan

🔹 Phase 1 — Harm-Aware Pretraining (VideoMAE Multi-task)

Input: các clip ngắn đã được cắt từ dataset:

• Violence: https://www.kaggle.com/datasets/frostedpilot/violence-clips-extracted
• Nudity: https://www.kaggle.com/datasets/trouho/porn-dataset
• Crime: https://www.kaggle.com/datasets/frostedpilot/ucf-crime-extracted

Model:

• Backbone: VideoMAE
• 3 classification heads tương ứng với 3 hành vi

Output:

• Checkpoint harm-aware VideoMAE đã biết nhận dạng hành vi gây hại

---

🔹 Phase 2 — Age Rating Prediction

Gồm hai nhánh độc lập:

1. Vision Branch (Trailer → Age Rating)

• Input: Trailer phim, cắt thành nhiều clips
• Sử dụng backbone từ Phase 1
• Trích xuất vector đại diện cho trailer
• Dự đoán nhãn độ tuổi (P, T13, T16, T18…)

2. Metadata Branch

• Input: CSV metadata của từng phim (thể loại, quốc gia, keywords…)
• Model: MLP hoặc mô hình tabular (XGBoost, Logistic Regression…)
• Dự đoán độ tuổi dựa trên đặc trưng phi hình ảnh

3. Late Fusion

p_final = α * p_vision + (1 - α) * p_metadata

Trong đó α được tinh chỉnh trên validation set.

---

3. Mô tả vai trò từng phần

🔹 data/

Chỉ chứa dữ liệu local, không commit.
data/README.md hướng dẫn cấu trúc folder và format clip.

---

🔹 scripts/

Các file chạy trực tiếp bằng terminal (train / evaluate / inference).

• train_phase1_vision.py → train VideoMAE multitask
• train_phase2_vision.py → train age rating từ trailer
• train_metadata.py → train meta_model từ CSV
• eval_fusion.py → evaluate late fusion
• infer_single_movie.py → chạy demo 1 phim
• split_dataset_clips.py → script tách clip (đã có sẵn)

---

🔹 src/vision/

Toàn bộ logic liên quan đến video.

datasets.py

• Load clip dataset phase 1
• Load trailer dataset phase 2

videomae_backbone.py

• Load VideoMAE pretrained
• Chuẩn hoá input và xử lý tensor

---

🔹 src/metadata/

Code cho nhánh metadata.

• dataset.py → Load CSV, xử lý one-hot / normalization
• model.py → Meta-model đơn giản (MLP hoặc sklearn)

---

🔹 src/fusion/

• late_fusion.py → implement công thức:
  p = α * p_vision + (1-α) * p_meta

---

🔹 configs/

Lưu cấu hình .yaml để training reproducible:

• Learning rate
• Batch size
• Đường dẫn data
• Checkpoint để load

---