MMSep, 2023

AdBooster: 使用稳定扩散外点法生成个性化广告创意

PDF
TL;DR数字广告中的创意优化对用户满意度有重要影响，本研究介绍了一种基于生成模型和用户兴趣的创意生成方法（GCO）以及使用稳定扩散外推架构的个性化广告创意模型（AdBooster），通过实验证明 AdBooster 生成的创意相对于默认产品图片更具相关性，具有提高用户参与度的潜力。
digital advertisingcreative optimizationgenerative creative optimizationadboosteruser engagement
发现论文，激发创造
  • 一种稳定扩散模型的点击率创新生成流程

    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

  • 基于文本引导扩散模型的显著对象感知背景生成

    通过稳定扩散和控制网络结构，本文引入了一种适应显著物体扩展任务的修补扩散模型，通过定量和定性结果证明了该方法相比于稳定扩散 2.0 修补具有更好的效果，可以减少显著物体的边界扩展程度。

    Apr, 2024

  • 实现超个性化：时尚电商自动广告创意生成和排序

    本研究提出了一种利用深度学习来自动创建电子商务主页广告横幅大量个性化的方法，并通过基因算法实现了对图像内容、设计约束等因素的最优横幅布局生成，并设计了一个排名方法来帮助选择正确的横幅，其主要贡献是提高了广告横幅的个性化和大量生成的效率，同时适用于印度一家时尚电子商务企业 - Myntra 的数据。

    Aug, 2019

  • 实时广告系统中广告和创意的并行排名

    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

  • ByteEdit：提升、符合和加速生成式图像编辑

    通过引入 ByteEdit 模型的创新反馈学习框架，我们能够改善扩展式图像编辑任务的生成质量和一致性，同时提供了增强美学和图像 - 文本对齐的图像奖励模型以及促进输出一致性的像素级奖励模型。

    Apr, 2024

  • 利用生成对抗网络的图像外延和融合

    本研究提出了两种用于图像外推的方法，即使用上下文编码器和单图像生成模型，并演示了 GAN 在产生合理的外推结果方面的潜在能力。通过将幻想的细节与原始图像的风格相融合，以期进一步提高结果的质量，并可能支持任意输出分辨率。

    Dec, 2019

  • 无穷无尽：用生成对抗网络进行图像扩展

    本文介绍了一种基于生成对抗网络 (GAN) 的语义条件方法，可在图像扩展、全景图像生成等领域中取得强大的成果。

    Aug, 2019

  • 利用检索辅助图像生成对电子商务产品进行在线广告展示

    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

  • 多模态多任务神经生存网络的广告创意中止预测

    本文提出了一种基于深度神经网络，并以生存分析为灵感的 hazard function-based loss function 的实用预测框架，用于预测广告创意的中止，并成功地将其与传统方法进行了比较和验证。

    Apr, 2022

  • IDAdapter: 学习混合特征以实现无需调参的文本到图像模型个性化

    IDAdapter 是一种无需微调的方法，通过在生成过程中结合文本和视觉注入以及面部身份损失，从单个人脸图像中增强个性化图像生成的多样性和身份保留。通过将特定身份的多个参考图像的混合特征融入训练阶段，丰富相关身份的内容细节，指导模型生成具有比以往作品更多样的风格、表情和角度的图像。广泛的评估显示了我们方法的有效性，在生成的图像中实现了多样性和身份保真度。

    Mar, 2024