論文の概要: Intelligent Parsing: An Automated Parsing Framework for Extracting
Design Semantics from E-commerce Creatives
- arxiv url: http://arxiv.org/abs/2312.17283v1
- Date: Thu, 28 Dec 2023 03:45:28 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-02 19:09:26.222444
- Title: Intelligent Parsing: An Automated Parsing Framework for Extracting
Design Semantics from E-commerce Creatives
- Title(参考訳): Intelligent Parsing:Eコマースクリエーティブからデザインセマンティックを抽出する自動パーシングフレームワーク
- Authors: Guandong Li, Xian Yang
- Abstract要約: 創造的素材を知的に解析するための包括的枠組みを提案する。
フレームワークは、材料認識、前処理、スマートネーム、ラベル層から構成される。
Suningの実用的なビジネスアプリケーションの中では、クリエイティブな素材の露出、流通、クリックスルー率を大幅に向上させる。
- 参考スコア(独自算出の注目度): 14.20497620423592
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the industrial e-commerce landscape, creative designs such as banners and
posters are ubiquitous. Extracting structured semantic information from
creative e-commerce design materials (manuscripts crafted by designers) to
obtain design semantics represents a core challenge in the realm of intelligent
design. In this paper, we propose a comprehensive automated framework for
intelligently parsing creative materials. This framework comprises material
recognition, preprocess, smartname, and label layers. The material recognition
layer consolidates various detection and recognition interfaces, covering
business aspects including detection of auxiliary areas within creative
materials and layer-level detection, alongside label identification.
Algorithmically, it encompasses a variety of coarse-to-fine methods such as
Cascade RCNN, GFL, and other models. The preprocess layer involves filtering
creative layers and grading creative materials. The smartname layer achieves
intelligent naming for creative materials, while the label layer covers
multi-level tagging for creative materials, enabling tagging at different
hierarchical levels. Intelligent parsing constitutes a complete parsing
framework that significantly aids downstream processes such as intelligent
creation, creative optimization, and material library construction. Within the
practical business applications at Suning, it markedly enhances the exposure,
circulation, and click-through rates of creative materials, expediting the
closed-loop production of creative materials and yielding substantial benefits.
- Abstract(参考訳): 産業用電子商取引の世界では、バナーやポスターのような創造的なデザインが普及している。
デザインセマンティクスを得るために、創造的なeコマースデザイン材料(デザイナーによって作られた文書)から構造化セマンティクス情報を抽出することは、インテリジェントデザインの領域における中核的な課題である。
本稿では,創造的素材をインテリジェントに解析するための総合的な自動化フレームワークを提案する。
このフレームワークは、マテリアル認識、プリプロセス、smartname、ラベル層を含む。
材料認識層は、様々な検出および認識インターフェースを統合し、ラベル識別と共に、創造材料内の補助領域の検出及び層レベルの検出を含むビジネス側面をカバーする。
アルゴリズム的には、カスケードRCNN、GFL、その他のモデルなど、様々な粗大な手法を包含する。
プリプロセス層は、クリエイティブなレイヤをフィルタリングし、クリエイティブな素材をグレードする。
スマートネーム層はクリエイティブ素材のインテリジェントな命名を実現し、ラベル層はクリエイティブ素材のマルチレベルタグをカバーし、異なる階層レベルでタグ付けを可能にする。
インテリジェント構文解析は、インテリジェントな生成、創造的最適化、マテリアルライブラリ構築といった下流プロセスを支援する完全な解析フレームワークを構成する。
suningの実用的なビジネスアプリケーションでは、クリエイティブ素材の露出、循環、クリックスルー率を著しく向上させ、クリエイティブ素材のクローズドループ生産を促進させ、実質的な利益をもたらす。
関連論文リスト
- An Artificial Intelligence Approach for Interpreting Creative Combinational Designs [1.3948357001626264]
組み合わせ創造性は、よく知られたアイデアのブレンドを含む創造性の一形態である。
本研究は,創造的デザインを構成する「基礎」と「付加的」成分を具体的に識別する計算解釈に焦点を当てた。
論文 参考訳(メタデータ) (2024-05-08T11:47:32Z) - Construction of Functional Materials Knowledge Graph in Multidisciplinary Materials Science via Large Language Model [15.010933005842206]
本稿では,多分野の材料知識グラフであるFMKGについて紹介する。
FMKGは、名前、フォーミュラ、頭字語、構造/位相、プロパティ、記述子、合成、評価方法、アプリケーション、ドメインを含む9つの異なるラベルに分類する。
本研究は,実践的なテキストマイニングに基づく知識管理システムの基礎となる。
論文 参考訳(メタデータ) (2024-04-03T21:46:14Z) - MatFuse: Controllable Material Generation with Diffusion Models [10.993516790237503]
MatFuseは3D素材の作成と編集に拡散モデルの生成力を利用する統一的なアプローチである。
本手法は,カラーパレット,スケッチ,テキスト,画像など,複数のコンディショニング源を統合し,創造性を向上する。
複数の条件設定下でのMatFuseの有効性を実証し,材料編集の可能性を探る。
論文 参考訳(メタデータ) (2023-08-22T12:54:48Z) - Semantic Communications for Artificial Intelligence Generated Content
(AIGC) Toward Effective Content Creation [75.73229320559996]
本稿では,AIGCとSemComの統合の概念モデルを開発する。
AIGC技術を利用した新しいフレームワークが,意味情報のためのエンコーダおよびデコーダとして提案されている。
このフレームワークは、生成されたさまざまなタイプのコンテンツ、要求される品質、活用される意味情報に適応することができる。
論文 参考訳(メタデータ) (2023-08-09T13:17:21Z) - Spellburst: A Node-based Interface for Exploratory Creative Coding with
Natural Language Prompts [7.074738009603178]
Spellburstは、LLM(Big Language Model)を利用したクリエイティブコーディング環境である。
Spellburstは、アーティストが生成アートを作成し、分岐とマージ操作を通じてバリエーションを探索することを可能にする。
論文 参考訳(メタデータ) (2023-08-07T21:54:58Z) - 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) - Boosting Entity-aware Image Captioning with Multi-modal Knowledge Graph [96.95815946327079]
名前付きエンティティの長期分布により、名前付きエンティティと視覚的キューの関係を学習することは困難である。
本稿では、視覚オブジェクトと名前付きエンティティを関連付けるために、マルチモーダルな知識グラフを構築する新しいアプローチを提案する。
論文 参考訳(メタデータ) (2021-07-26T05:50:41Z) - KnowPrompt: Knowledge-aware Prompt-tuning with Synergistic Optimization
for Relation Extraction [111.74812895391672]
シナジスティック最適化(KnowPrompt)を用いた知識認識型Promptチューニング手法を提案する。
関係ラベルに含まれる潜在知識をインジェクトして,学習可能な仮想型語と解答語で構築する。
論文 参考訳(メタデータ) (2021-04-15T17:57:43Z) - 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) - Learning to Infer Unseen Attribute-Object Compositions [55.58107964602103]
単一属性と多属性オブジェクトの両方を柔軟に認識できるグラフベースモデルを提案する。
我々は116,099の画像と8,030の合成カテゴリを持つ大規模マルチ属性データセットを構築した。
論文 参考訳(メタデータ) (2020-10-27T14:57:35Z) - Explaining Creative Artifacts [69.86890599471202]
生成物と構成的創造性を結合鎖に分解する逆問題定式化を開発する。
特に、当社の定式化は、アソシエイト要素の知識グラフを通じて、旅行セールスマン問題の解決として構成されている。
論文 参考訳(メタデータ) (2020-10-14T14:32:38Z)
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。