本文描述了一个实用的多点触控归因(MTA)系统,用于数字广告发行商。实现该系统的方法包括响应模型和信用分配模型使用循环神经网络和Shapley Values方法。
Feb, 2019
本篇论文着重探讨如何在存在延迟标签的情况下,从连续的数据流中使用最佳的损失函数和模型进行大规模的学习。通过离线和在线实验的结果,论文得出了一种新的解决方案,可以优化CTR,并提高广告主的性能。
Jul, 2019
通过引入生成循环反馈,本文在卷积神经网络上实现了一种用于保证自我一致性的框架,并在标准基准测试中展示了CNN-F相对于传统前馈CNN的显着提高的对抗性鲁棒性。
Jul, 2020
本文旨在提出一种规范化和明确定义的人工评估协议,以促进未来作品中可验证和可重复的人工评估,针对37篇最近论文调查显示,许多作品仅依赖自动度量或执行不可靠或不可重复的人工评估,同时,作者还提供了设计可靠和决定性人工评估实验所需的见解,并向社区提供了几个公开的资源以促进快速实现。
Apr, 2023
我们展示了一种通过人类反馈应用于生成模型的方法,将其应用于去噪问题和域自适应。通过利用人类反馈,我们成功将生成模型在一个域中训练的结果迁移到另一个域中,提高了不同域中的去噪能力。
Aug, 2023
这项调查旨在研究与图像生成模型相关的现有问题和当前解决方案。
通过引入重设计任务和构建基准测试集,本文旨在推进自动广告文本生成领域。作者提出了第一个基准数据集CAMERA,并通过多种基线模型的评估实验证明了基准测试集的实用性。此外,文中还讨论了当前任务的现状和未来挑战。
Sep, 2023
通过人类反馈信号提高图像生成质量,结合文本到图像生成模型和基于强化学习的人类反馈,标记不真实或不对齐的图像区域以及文本中被误代表或缺失的词,使用多模态变换器自动预测反馈,进一步改进图像生成方法。
Dec, 2023
这篇论文介绍了一种领域通用的多对多图像生成框架,能够从给定的图像集合中生成相互关联的图像系列,并提供可扩展的解决方案,无需在不同的多图像场景中使用任务特定的解决方案。利用MIS数据集,该方法使用稳定扩散和不同的潜在噪声从单个标题生成一组相互关联的图像。通过在MIS数据集上进行训练,该模型能够捕捉到先前图像(合成或真实)的风格和内容,并生成遵循这些模式的新图像。此外,通过任务特定的微调,我们的模型展示了其适应各种多图像生成任务的能力,包括新视角合成和视觉流程生成。
Apr, 2024
LlamaGen是一种新型的图像生成模型家族,采用大型语言模型中的原始“下一个标记预测”范例应用于视觉生成领域,不附带对视觉信号的归纳偏见,可以在适当缩放的情况下实现最先进的图像生成性能。
Jun, 2024