利用文本与图像模型生成个性化网页横幅，基于用户的互动行为生成动态内容的横幅，通过大型语言模型系统地提取项目元信息的属性，并通过提示工程将属性传递给文本与图像模型生成横幅的图像，结果表明该方法可以为用户创建高质量的个性化横幅。

Feb, 2024

通过生成敌对网络和复制粘贴分阶段的方法，我们可以改善动态产品广告中产品图像的吸引力和真实性，同时实现移动产品的动画展示。

Jul, 2023

广告服务中的创造力是其核心和灵魂。通过 AI 生成的内容，广告商能够以最小的成本创造大量的创意内容。本文首次提出了一种用于在线平行估计广告和创意排名的新架构，以及相应的离线联合优化模型。在线架构能够进行个性化的创意建模，同时降低总体延迟。CTR 估计的离线联合模型允许广告和创意之间进行相互感知和协同优化。我们对比了两种最先进的方法进行了广泛的实验。结果表明，我们的方法在离线评估和真实世界的在线广告平台中都具有响应时间、CTR 和 CPM 方面的有效性。

Dec, 2023

我们提出了一个新的自动化的点击率创意生成流水线（CG4CTR），旨在改进创意生成阶段的点击率。我们的贡献有 4 个方面：1）将填充模式应用于在线广告场景的创意生成任务。提出了一个自我循环生成流水线，以确保训练的收敛性。2）设计了提示模型，为不同用户群体生成个性化创意，进一步提高其多样性和质量。3）奖励模型的综合考虑图像和文本的多模态特征，以提高创意排序任务的有效性，也在自我循环流水线中起着重要作用。4）在线和离线实验中获得的显著优势验证了我们提出方法的重要性。

Jan, 2024

本文提出了一种基于机器学习的视觉内容管理系统，用于极大型电子商务产品目录。该系统基于图像分类技术，从多个供应商聚合产品图像，并根据顾客需求进行优化，通过不同阶段的分析实现计算机视觉和深度学习技术，解决实际业务问题。

Nov, 2018

本文提出了一种基于混合 bandit 模型的视觉优先级别判定方法，用于在电子商务中推荐商品创意设计，以提高 CTR，通过实验表明该方法的有效性。

Feb, 2021

经过开发 Control-Net 的定制图像生成流程以及提出多分支交叉注意力架构，我们成功实现了面向电子商务广告场景的广告图像生成，确保生成的主题与所宣传的产品完美匹配，并实现了对生成模型面部的精细控制，展现了可控且引人注目的广告效果。

Apr, 2024

针对电子商务产品背景生成的当前方法在规模化生产时设计产品提示的效率低下，以及在定制某些特定品牌的个性化背景时描述细粒度风格的效果不佳的问题，本研究将分类共同性和个性化风格整合到扩散模型中。实验证明我们的方法能够为不同种类生成高质量背景，并保持参考图像的个性化背景风格。

Dec, 2023

通过构建一个应用于电商赞助搜索的层次化网络框架，结合历史广告点击数据来进行信号、检索关键词和广告的关联，选择模型权重最佳的边缘来提高 RPM/CTR，从而达到多维度广告检索和推荐的目的。

Dec, 2017

通过使用神经语言算法，本文研究了如何利用电子邮件收据中用户的购买历史，向雅虎邮件用户提供高度个性化的产品广告，通过离线和在线测试证明了该系统成功提高了点击率和转化率。

Jun, 2016