Автомобили в кино. Kaggle-датасет на 1,75 миллиона строк

На imcdb.org энтузиасты уже два десятка лет отмечают автомобили в фильмах: кадры, марки, модели. Верифицируют находки на форуме, спорят о деталях. В итоге появилась крупнейшая база “машин-актёров” в кино: 1,75 млн страниц с кадрами и описаниями транспорта из фильмов разных стран. Я собрал всё это в один датасет.

Фильмы любят все, а вместе с актёрами зрители давно следят и за машинами в кадре. Автомобили — такие же герои кино, они отражают дух эпохи: дизайн меняется, поколения сменяют друг друга, а кино фиксирует это на плёнке. В каждой стране -своя культура авто: в советских фильмах легко узнать привычные “Волги”, а в Австралии ностальгируют по своим моделям.

Сбор данных

Дизайн сайта — ещё из позапрошлого десятилетия, но самое ценное — это данные. Полноценный анализ данных на сайте невозможен — там только поиск. В общем, мне стало интересно собрать данные.

Написал парсер по id — он проходится по всем страницам и собирает данные в csv. Сам парсер — на питоне, библиотеки request хватает для скрейпинга.

Данные со всех страниц потихоньку за неделю собрались в один датасет — парсер работал фоном на компе .

Данные выложил на Kaggle, описал датасет и поля. Можно скачивать и пользоваться. Надо только понимать, что все данные на сайте вводилось вручную. Есть модерация и удаление дубликатов, но все равно есть вероятность несоответствий. Около 1000 скачиваний сейчас. Апвоты приветствуются.

В данных есть ссылки на кадры из фильмов с конкретным транспортным средством (там кроме машин 🚙 еще мотоциклы 🏍, грузовики 🚛, бульдозеры 🚜, лесовозы 🚚 и еще много чего).  Есть названия транспортных средств, года выпуска, типы (кабриолет, седан, хетчбек и т.п.). Каждое транспортное средство связано с фильмом и кадром где оно появлялось. В части данных есть время появления транспортного средства на экране. Ещё есть роль автомобиля в кино: главная, второстепенная, просто ненадолго появляется в кадру и т.п.. Есть разделения по стране производства фильма и производства автомобиля.

Транспортное средство далее буду называть “автомобилем” для простоты

Все поля в дасете:

• Brand — Марка автомобиля

• Car Full Name — Полное название автомобиля (с годом выпуска)

• Car Id — ID автомобиля

• Car Name — Название автомобиля

• Car Origin — Страна происхождения автомобиля

• Car Built In — Страна производства автомобиля

• Car Made For — Страна, для которой выпускался автомобиль

• Car Image Link — Ссылка на кадр с автомобилем из фильма

• Car Type — Тип кузова

• Car Year — Год начала выпуска модели

• Car Stars — Роль автомобиля в фильме (главная, значимая, фоновая и т.п.)

• Class -Тип транспортного средства

• IMDb Movie Id — ID фильма на imdb.com

• IMDb Link — Ссылка на фильм в imdb.com

• Movie Title — Название фильма на родном языке

• Movie Eng Title — Название фильма на английском

• Movie Original Title — Оригинальное название фильма

• Movie Type — Тип фильма (жанр/категория)

• Movie Years and Episodes — Год выпуска и эпизоды (для сериалов)

• Time in Movie — Время появления автомобиля в кадре

• Movie Year — Год выхода фильма

У каждой строки есть IMDb id и ссылки на сайт imdb.com (самая известная база фильмов). Это позволяют джойнить данные с датасетами фильмов, включая имена актеров, режиссеров и т.д. То есть, симбиоз данных автомобилей в кино и развёрнутых данных о фильмах позволяет ответить на вопросы типа: 

 — «Какие топ марки машин в фильмах Тарантино?»,
 — «Сколько раз встречается Газ-24 в фильмах Рязанова?», 
— «Какой процент румынских машин в румынских фильмах?’,
— «Какое самое популярное авто в ужастиках?», 
— «В каком фильме встречаются Феррари F-40 и ‘Запорожец’ ЗАЗ-966?»

Автомобиль в фильмах часто играет одну из главных ролей. Это:

 — 982 De Lorean DMC 12 доктора Эмметта Брауна из «Назад в Будущее»

— г Говорящий автомобиль KITT «1979 Chevrolet Chevette» из «Рыцаря Дорог «

— «1965 Lamborghini 350 GT» в истории о Тонино Ламборгини 

— Хищный «1971 Lincoln Continental Mark III Barris Kustoms [89-65A]» из «The Car»

— Легендарный катафалк «1959 Cadillac Ambulance Miller-Meteor Sentinel ‘Ecto-1»‘ охотников за приведениями,

— Жёлтый герой «2007 Chevrolet Camaro Replica ‘Bumblebee» из «Трансформеров»

и много других — это целая вселенная.

Много экзотики можно накопать из любимых фильмов. 

— Лесовоз «1957 ATZ TDT-60″ из «Девчат» (Название на английском «The Girls» заставляет улыбнуться) 

— Редкий «KhAZ SPT-104» из «Иронии судьбы» 

— Военный грузовик «1940 Chevrolet G-7107 Cargo [G-506]» из «Семнадцати мгновений весны».

Почему бы не соединить вселенную машин-актеров и вселенную людей актеров? Получается круто. Для обучения намного интереснее синтетических датасетов без эмоциональной окраски.

Анализ данных и визуализация

Посмотрим что есть в датасете. 

Ниже диаграмма показывает Top 30 самых частотных марок машин. Отметка “Unknown” означает, что марку определить не удалось — чаще всего из-за размытых силуэтов или кадров из старых фильмов.

В Top 30 стран “-” означает что страна — производитель не указана. Интересно, что картины из СССР и России получили очень достойную проработку — энтузиасты тщательно восстановили данные и внесли их в базу.

На диаграмме зелёным цветом показано количество автомобилей в зависимости от их «значимости» в фильме.
Здесь действует та же логика, что и у актёров:

• Роль первого плана (4-я позиция) — автомобиль главного героя или машина, которая играет ключевую роль в сюжете.

• Роль второго плана — заметный, но не центральный автомобиль.

• Роль третьего плана — появляется эпизодически.

• Массовка (Background) — фоновые машины, создающие атмосферу времени и места действия.

Розовым показаны автомобили по типу кузова. Самый популярный — седан

Теперь — к инсайтам

Ниже представлен график частоты появления автомобильных марок в фильмах. Показатель рассчитан как число появлений конкретной марки, нормализованное на количество фильмов за каждый год. На графике — топ-10 брендов.

Из него хорошо видно:

• Долгое доминирование Ford.

• Fiat — яркий взлёт и постепенный закат (1950-1990).

• Появление и закрепление Toyota с 1970-х годов.

• Nissan, Honda и BMW с середины XX века идут примерно в одном темпе, занимая устойчивые позиции.

Распределение машин по типам кузова в кино

• В начале XX века на экране доминировали кабриолеты.

• В 1960-е появляются хэтчбеки, быстро закрепляясь в повседневной кинореальности.

• Внедорожники впервые входят в кадр во время Второй мировой войны, а настоящий бум их появления начинается в 1990-х.

• Само распределение кузовов заметно меняется в годы Второй мировой, отражая эпоху и потребности времени.

Примеры выше хорошо показывают, как автомобили в кино отражают эпоху и её события.

Если добавить к датасету данные IMDb о фильмах, открывается ещё один слой анализа — топы моделей в разных жанрах.

Ужастики

Здесь безоговорочно доминирует легендарный Ford Crown Victoria в разных поколениях и модификациях. Классический полицейский седан стал неотъемлемым элементом хорроров, создавая нужный фон: будь то сцена погони, блокпост или патруль в тумане.

Комедии

На первом месте — настоящая икона стиля, итальянская Vespa. Скутер стал символом лёгкости и беззаботности, поэтому часто появляется в комедиях как элемент романтики, свободы и ироничных ситуаций.

Научная фантастика

В этом жанре ярче всего проявляется категория “Made for Movie” — автомобилей, созданных специально для фильмов. Это легендарные Бэтмобили, постапокалиптические монстры из вселенной «Безумного Макса», футуристичные прототипы, которых в реальности не существовало.

Можно задавать вопросы и поискать ответы, например:

«Сколько раз встречается ГАЗ-24 в фильмах Эльдара Рязанова?»

23 появления в кадрах в разных модификациях. Машина сопровождает целую эпоху и стала таким же узнаваемым элементом, как и сами герои фильмов.

Пример ссылки с «Волгой» из фильма: https://imcdb.org/vehicle_734354.htm

Итог

Комбинации данных автомобилей и фильмов даёт уникальную почву для анализа. А если ещё добавить спецификации автомобилей, то открываются неожиданные вопросы и ответы, например:

• Каков средний объём двигателя автомобилей во всех комедиях с участием Шварценеггера?

• Насколько отличается дорожный просвет у машин в фильмах о гонках и военных драмах?

Дополнительно к данным можно по MCP подключать LLM (У меня — Claude Desktop Sonnet/Opus). И это связка уже может искать инсайты в описаниях фильмах и сюжетах.

Если интересно, пишите в комментариях! Могу сделать другие визуализации или глубже разобрать отдельные примеры.

Про данные, свои проекты и визуализации рассказываю в канале @data_bar