論文の概要: "An Image is Worth a Thousand Features": Scalable Product Representations for In-Session Type-Ahead Personalization

• arxiv url: http://arxiv.org/abs/2003.07160v1
• Date: Wed, 11 Mar 2020 18:41:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-24 14:23:11.776712
• Title: "An Image is Worth a Thousand Features": Scalable Product Representations for In-Session Type-Ahead Personalization
• Title（参考訳）: 『イメージは千の価値がある』:インセッション型パーソナライズのためのスケーラブルな製品表現
• Authors: Bingqing Yu, Jacopo Tagliabue, Ciro Greco and Federico Bianchi
• Abstract要約: 画像に基づくパーソナライゼーションは、代替提案よりもいくつかの利点があると主張する。 類似店舗間のベクトル空間の共有が,サイトを閲覧するユーザエクスペリエンスの向上にどのように役立つかを示す。
• 参考スコア（独自算出の注目度）: 18.742642089529244
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We address the problem of personalizing query completion in a digital commerce setting, in which the bounce rate is typically high and recurring users are rare. We focus on in-session personalization and improve a standard noisy channel model by injecting dense vectors computed from product images at query time. We argue that image-based personalization displays several advantages over alternative proposals (from data availability to business scalability), and provide quantitative evidence and qualitative support on the effectiveness of the proposed methods. Finally, we show how a shared vector space between similar shops can be used to improve the experience of users browsing across sites, opening up the possibility of applying zero-shot unsupervised personalization to increase conversions. This will prove to be particularly relevant to retail groups that manage multiple brands and/or websites and to multi-tenant SaaS providers that serve multiple clients in the same space.
• Abstract（参考訳）: 本稿では,通常,バウンス率が高く,利用者の繰り返しが稀なデジタルコマース環境において,クエリ完了をパーソナライズする問題に対処する。 我々は,問合せ時に製品画像から計算された濃密ベクトルを注入することにより,セッション内パーソナライゼーションに着目し,標準ノイズチャネルモデルを改善する。 画像に基づくパーソナライゼーションは、代替案(データ可用性からビジネススケーラビリティまで)よりもいくつかの利点を示し、提案手法の有効性に関する定量的証拠と質的支援を提供する。 最後に、類似店舗間の共有ベクター空間を用いて、サイトを閲覧するユーザのエクスペリエンスを改善する方法を示し、ゼロショット非教師なしパーソナライゼーションを適用してコンバージョンを増加させる可能性を開く。 これは、複数のブランドやウェブサイトを管理する小売グループと、同じ分野の複数のクライアントを提供するマルチテナントSaaSプロバイダに特に関係があることが証明される。

関連論文リスト

• Mining Your Own Secrets: Diffusion Classifier Scores for Continual Personalization of Text-to-Image Diffusion Models [39.46152582128077]
  現実の世界では、ユーザーは複数の概念のモデルを一度に1つずつパーソナライズしたいと考えるかもしれない。 ほとんどのパーソナライズ手法は、新しい概念の獲得と以前の概念の維持のバランスを見つけることができない。 本稿では,テキスト・画像拡散モデルのパラメータ空間と関数空間の正規化を提案する。
  論文  参考訳（メタデータ） (2024-10-01T13:54:29Z)
• Scaling Up Personalized Image Aesthetic Assessment via Task Vector Customization [37.66059382315255]
  本稿では,画像の審美性評価や画質評価に手軽に利用できるデータベースを活用する,ユニークなアプローチを提案する。 各データベースの特徴を表すタスクベクトルの最適な組み合わせを決定することにより、個人向けにパーソナライズされたモデルを作成することに成功した。
  論文  参考訳（メタデータ） (2024-07-09T18:42:41Z)
• JeDi: Joint-Image Diffusion Models for Finetuning-Free Personalized Text-to-Image Generation [49.997839600988875]
  既存のパーソナライズ手法は、ユーザのカスタムデータセット上でテキスト・ツー・イメージの基礎モデルを微調整することに依存している。 ファインタニングフリーのパーソナライズモデルを学ぶための効果的な手法として,ジョイントイメージ拡散(jedi)を提案する。 本モデルは,従来のファインタニングベースとファインタニングフリーのパーソナライゼーションベースの両方において,定量的かつ定性的に,高い品質を実現する。
  論文  参考訳（メタデータ） (2024-07-08T17:59:02Z)
• LCM-Lookahead for Encoder-based Text-to-Image Personalization [82.56471486184252]
  我々は,テキスト・ツー・イメージ・モデルのパーソナライズを導くために,ショートカット・メカニズムを利用する可能性を探る。 エンコーダをベースとしたパーソナライズ手法に焦点をあてて、ルックアヘッドのアイデンティティ損失を調整することで、より高いアイデンティティの忠実性を達成できることを実証する。
  論文  参考訳（メタデータ） (2024-04-04T17:43:06Z)
• Rethinking Interactive Image Segmentation with Low Latency, High Quality, and Diverse Prompts [68.86537322287474]
  多様なプロンプトを持つ低レイテンシで高品質な対話的セグメンテーションは、スペシャリストやジェネラリストモデルでは難しい。 我々は、低レイテンシ、高品質、多様なプロンプトサポートを提供する次世代インタラクティブセグメンテーションアプローチであるSegNextを提案する。 本手法は,HQSeg-44KとDAVISにおいて,定量的かつ定性的に,最先端の手法より優れている。
  論文  参考訳（メタデータ） (2024-03-31T17:02:24Z)
• Towards Unified Multi-Modal Personalization: Large Vision-Language Models for Generative Recommendation and Beyond [87.1712108247199]
  我々の目標は、マルチモーダルパーソナライゼーションシステム(UniMP)のための統一パラダイムを確立することである。 我々は、幅広いパーソナライズされたニーズに対処できる汎用的でパーソナライズされた生成フレームワークを開発する。 我々の手法は、パーソナライズされたタスクのための基礎言語モデルの能力を高める。
  論文  参考訳（メタデータ） (2024-03-15T20:21:31Z)
• Cones 2: Customizable Image Synthesis with Multiple Subjects [50.54010141032032]
  本研究では,特定の対象を効率的に表現する方法と,異なる対象を適切に構成する方法について検討する。 クロスアテンションマップ内のアクティベーションを修正することにより、レイアウトはイメージ内の異なる被写体の位置を指定して分離する。
  論文  参考訳（メタデータ） (2023-05-30T18:00:06Z)
• Identity Encoder for Personalized Diffusion [57.1198884486401]
  パーソナライズのためのエンコーダに基づくアプローチを提案する。 我々は、被写体の参照画像の集合からアイデンティティ表現を抽出できるアイデンティティエンコーダを学習する。 提案手法は画像生成と再構成の両方において既存の微調整に基づくアプローチより一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-04-14T23:32:24Z)
• One-Time Model Adaptation to Heterogeneous Clients: An Intra-Client and Inter-Image Attention Design [40.97593636235116]
  既存のバックボーン認識モデルに新たなICIIAモジュールを提案する。 特に、特定のクライアントからのターゲット画像が与えられた場合、ICIIAはクライアントの歴史的未ラベル画像から関連画像を取得するために、マルチヘッド自己アテンションを導入する。 ICIIAを5つの代表的なデータセットに対して9つのバックボーンモデルを用いて3つの異なる認識タスクを用いて評価した。
  論文  参考訳（メタデータ） (2022-11-11T15:33:21Z)
• Evaluating Deep Vs. Wide & Deep Learners As Contextual Bandits For Personalized Email Promo Recommendations [1.1213676742918772]
  パーソナライゼーションにより、企業は過去のインタラクションから顧客の好みを学ぶことができる。 我々は、いくつかの選択肢から与えられた顧客に対する最適なプロモーションオファーを予測する問題は、文脈的盗聴の問題であると考えている。
  論文  参考訳（メタデータ） (2022-01-31T23:26:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。