論文の概要: AdBooster: Personalized Ad Creative Generation using Stable Diffusion Outpainting

• arxiv url: http://arxiv.org/abs/2309.11507v1
• Date: Fri, 8 Sep 2023 12:57:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-24 03:54:40.431260
• Title: AdBooster: Personalized Ad Creative Generation using Stable Diffusion Outpainting
• Title（参考訳）: AdBooster: 安定拡散露光によるパーソナライズされた広告創造
• Authors: Veronika Shilova, Ludovic Dos Santos, Flavian Vasile, Ga\"etan Racic, Ugo Tanielian
• Abstract要約: デジタル広告において、最適項目(勧告)と最良の創造的プレゼンテーション(創造的最適化)の選択は伝統的に別分野とみなされてきた。 本稿では、ユーザの興味を取り入れたクリエイティブ生成のための生成モデルのタスクを紹介し、パーソナライズされた広告クリエイティビティのためのモデルであるAdBoosterを形作る。
• 参考スコア（独自算出の注目度）: 7.515971669919419
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In digital advertising, the selection of the optimal item (recommendation) and its best creative presentation (creative optimization) have traditionally been considered separate disciplines. However, both contribute significantly to user satisfaction, underpinning our assumption that it relies on both an item's relevance and its presentation, particularly in the case of visual creatives. In response, we introduce the task of {\itshape Generative Creative Optimization (GCO)}, which proposes the use of generative models for creative generation that incorporate user interests, and {\itshape AdBooster}, a model for personalized ad creatives based on the Stable Diffusion outpainting architecture. This model uniquely incorporates user interests both during fine-tuning and at generation time. To further improve AdBooster's performance, we also introduce an automated data augmentation pipeline. Through our experiments on simulated data, we validate AdBooster's effectiveness in generating more relevant creatives than default product images, showing its potential of enhancing user engagement.
• Abstract（参考訳）: デジタル広告において、最適項目(勧告)と最良の創造的プレゼンテーション(創造的最適化)の選択は伝統的に別分野とみなされてきた。 しかし、どちらもユーザーの満足度に大きく寄与し、特にビジュアルクリエイティビティの場合、アイテムの関連性とプレゼンテーションの両方に依存しているという仮定を基礎としている。 そこで,本稿では,ユーザの興味を組み込んだ創造的生成のための生成モデルの利用を提案する「itshape generative creative optimization(gco)」と,安定した拡散アウトパインアーキテクチャに基づくパーソナライズされた広告創造者のためのモデル「itshape adbooster」を紹介する。 このモデルは、微調整時と生成時の両方にユーザーの興味を取り入れている。 AdBoosterのパフォーマンスをさらに向上するため、自動データ拡張パイプラインも導入しています。 シミュレーションデータに関する実験を通じて,AdBoosterが既定の製品イメージよりも関連性の高い創造物を生成できることの有効性を検証し,ユーザエンゲージメントを高める可能性を示した。

関連論文リスト

• A Simple Background Augmentation Method for Object Detection with Diffusion Model [53.32935683257045]
  コンピュータビジョンでは、データの多様性の欠如がモデル性能を損なうことはよく知られている。 本稿では, 生成モデルの進歩を生かして, 単純かつ効果的なデータ拡張手法を提案する。 背景強化は、特にモデルの堅牢性と一般化能力を大幅に改善する。
  論文  参考訳（メタデータ） (2024-08-01T07:40:00Z)
• Empowering Visual Creativity: A Vision-Language Assistant to Image Editing Recommendations [109.65267337037842]
  IER(Image Editing Recommendation)の課題を紹介する。 IERは、入力画像から多様なクリエイティブな編集命令を自動生成し、ユーザの未指定の編集目的を表すシンプルなプロンプトを作成することを目的としている。 本稿では,Creative-Vision Language Assistant(Creativity-VLA)を紹介する。
  論文  参考訳（メタデータ） (2024-05-31T18:22:29Z)
• 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)
• A New Creative Generation Pipeline for Click-Through Rate with Stable Diffusion Model [8.945197427679924]
  従来のAIベースのアプローチは、デザイナーからの美的知識を限定しながら、ユーザー情報を考慮しないという同じ問題に直面している。 結果を最適化するために、従来の方法で生成されたクリエイティブは、クリエイティブランキングモデルと呼ばれる別のモジュールによってランク付けされる。 本稿では,クリエイティビティ生成段階においてCTRを改善することを目的とした,Click-Through Rate (CG4CTR) のための新しいCreative Generationパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-01-17T03:27:39Z)
• Parallel Ranking of Ads and Creatives in Real-Time Advertising Systems [20.78133992969317]
  広告とクリエイティビティランキングのオンライン並列推定のための新しいアーキテクチャを初めて提案する。 オンラインアーキテクチャは、全体的なレイテンシを低減しつつ、洗練されたパーソナライズされたクリエイティブモデリングを可能にする。 CTR推定のためのオフラインジョイントモデルは、広告とクリエイティブの相互認識と協調最適化を可能にする。
  論文  参考訳（メタデータ） (2023-12-20T04:05:21Z)
• Cross-Element Combinatorial Selection for Multi-Element Creative in Display Advertising [16.527943807941856]
  本稿では,複数の創造的要素を対象としたクロスエレメント・コンビネーション・セレクション・フレームワークを提案する。 エンコーダプロセスでは、単一の創造的要素の表現を動的に調整するために、クロスエレメント相互作用を採用する。 実世界のデータセットの実験では、CECSがオフラインメトリクスのSOTAスコアを達成した。
  論文  参考訳（メタデータ） (2023-07-04T09:32:39Z)
• Towards Creativity Characterization of Generative Models via Group-based Subset Scanning [64.6217849133164]
  創造的プロセスを特定し,定量化し,特徴付けるグループベースサブセットスキャンを提案する。 創造的なサンプルは、データセット全体にわたる通常のサンプルや非創造的なサンプルよりも大きな異常のサブセットを生成する。
  論文  参考訳（メタデータ） (2022-03-01T15:07:14Z)
• Towards creativity characterization of generative models via group-based subset scanning [51.84144826134919]
  創造的プロセスを定量化し,検出し,特徴付けるグループベースサブセットスキャンを提案する。 創造的なサンプルは、データセットをまたいだ通常または非創造的なサンプルよりも大きな異常のサブセットを生成する。
  論文  参考訳（メタデータ） (2021-04-01T14:07:49Z)
• Efficient Optimal Selection for Composited Advertising Creatives with Tree Structure [24.13017090236483]
  視覚的に楽しめる広告クリエイティビティは、製品のクリックスルーレート(CTR)を増加させる可能性がある。 ツリー構造に基づいたアダプティブで効率的な広告クリエイティブセレクションフレームワークを提案します。 ツリー構造に基づいて、トンプソンサンプリングは動的プログラミングに適応され、最大のCTRを持つ潜在的な広告クリエイティブの効率的な探索につながります。
  論文  参考訳（メタデータ） (2021-03-02T03:39:41Z)
• A Hybrid Bandit Model with Visual Priors for Creative Ranking in Display Advertising [31.219027299187346]
  本稿では、視覚的外観に応じて創造物を注文するリストワイドランキングの損失を組み込んだ視覚的ランキングモデル(VAM)を提案する。 最初の大規模なクリエイティブデータセットであるCreativeRankingが構築され、500万製品から170万以上のクリエイティブと、実際のインプレッションとクリックデータが含まれている。
  論文  参考訳（メタデータ） (2021-02-08T07:11:20Z)
• Dynamic Knapsack Optimization Towards Efficient Multi-Channel Sequential Advertising [52.3825928886714]
  我々は、動的knapsack問題として、シーケンシャルな広告戦略最適化を定式化する。 理論的に保証された二段階最適化フレームワークを提案し、元の最適化空間の解空間を大幅に削減する。 強化学習の探索効率を向上させるため,効果的な行動空間削減手法も考案した。
  論文  参考訳（メタデータ） (2020-06-29T18:50:35Z)

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。