論文の概要: A New Creative Generation Pipeline for Click-Through Rate with Stable Diffusion Model

• arxiv url: http://arxiv.org/abs/2401.10934v1
• Date: Wed, 17 Jan 2024 03:27:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-28 15:55:53.830009
• Title: A New Creative Generation Pipeline for Click-Through Rate with Stable Diffusion Model
• Title（参考訳）: 安定拡散モデルを用いた新しいクリエーティブ・ジェネレーション・パイプライン
• Authors: Hao Yang, Jianxin Yuan, Shuai Yang, Linhe Xu, Shuo Yuan, Yifan Zeng
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 8.945197427679924
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In online advertising scenario, sellers often create multiple creatives to provide comprehensive demonstrations, making it essential to present the most appealing design to maximize the Click-Through Rate (CTR). However, sellers generally struggle to consider users preferences for creative design, leading to the relatively lower aesthetics and quantities compared to Artificial Intelligence (AI)-based approaches. Traditional AI-based approaches still face the same problem of not considering user information while having limited aesthetic knowledge from designers. In fact that fusing the user information, the generated creatives can be more attractive because different users may have different preferences. To optimize the results, the generated creatives in traditional methods are then ranked by another module named creative ranking model. The ranking model can predict the CTR score for each creative considering user features. However, the two above stages are regarded as two different tasks and are optimized separately. In this paper, we proposed a new automated Creative Generation pipeline for Click-Through Rate (CG4CTR) with the goal of improving CTR during the creative generation stage. Our contributions have 4 parts: 1) The inpainting mode in stable diffusion is firstly applied to creative generation task in online advertising scene. A self-cyclic generation pipeline is proposed to ensure the convergence of training. 2) Prompt model is designed to generate individualized creatives for different user groups, which can further improve the diversity and quality. 3) Reward model comprehensively considers the multimodal features of image and text to improve the effectiveness of creative ranking task, and it is also critical in self-cyclic pipeline. 4) The significant benefits obtained in online and offline experiments verify the significance of our proposed method.
• Abstract（参考訳）: オンライン広告のシナリオでは、売り手は包括的なデモを提供するために複数のクリエイティブを創造することが多く、クリックスルー率(ctr)を最大化するために最も魅力的なデザインを提示することが不可欠である。 しかし、売り手は通常、ユーザーが創造的デザインを好むことを考えるのに苦労し、人工知能(AI)ベースのアプローチに比べて美学と量が少ない。 従来のaiベースのアプローチは、設計者による美的知識が限られている一方で、ユーザ情報を考慮しないという同じ問題に直面している。 実際、ユーザー情報を融合させることで、生成したクリエイティブはより魅力的になる可能性がある。 結果を最適化するために、従来の方法で生成された創造性は、creative ranking modelという別のモジュールによってランク付けされる。 ランキングモデルは、ユーザ特徴を考慮した創造性ごとにctrスコアを予測できる。 しかし、上記の2つの段階は2つの異なる課題と見なされ、個別に最適化されている。 本稿では,CTRの創造的生成段階における改良を目的とした,Click-Through Rate (CG4CTR) のための自動生成パイプラインを提案する。 コントリビューションには4つの部分があります。 1) オンライン広告シーンにおいて, 安定拡散における着色モードを創造的生成タスクに適用する。 訓練の収束を保証するために自己循環生成パイプラインを提案する。 2)プロンプトモデルは,異なるユーザグループに対して個別化された創造性を生み出すように設計されている。 3) 報酬モデルは, 画像とテキストのマルチモーダルな特徴を包括的に考慮し, 創造的ランキング作業の有効性を向上し, 自己循環的パイプラインにおいても重要である。 4) オンラインおよびオフライン実験で得られた有意な利益は,提案手法の意義を検証できる。

関連論文リスト

• Diffusion Model for Data-Driven Black-Box Optimization [54.25693582870226]
  我々は、強力な生成AI技術である拡散モデルに注目し、ブラックボックス最適化の可能性について検討する。 本研究では,1)実数値報酬関数のノイズ測定と,2)対比較に基づく人間の嗜好の2種類のラベルについて検討する。 提案手法は,設計最適化問題を条件付きサンプリング問題に再構成し,拡散モデルのパワーを有効活用する。
  論文  参考訳（メタデータ） (2024-03-20T00:41:12Z)
• CreativeSynth: Creative Blending and Synthesis of Visual Arts based on Multimodal Diffusion [74.44273919041912]
  大規模なテキスト・画像生成モデルは印象的な進歩を遂げ、高品質な画像を合成する能力を示している。 しかし、これらのモデルを芸術的な画像編集に適用することは、2つの重要な課題を提起する。 我々は,マルチモーダル入力をコーディネートする拡散モデルに基づく,革新的な統一フレームワークCreative Synthを構築した。
  論文  参考訳（メタデータ） (2024-01-25T10:42:09Z)
• 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)
• DreamCreature: Crafting Photorealistic Virtual Creatures from Imagination [140.1641573781066]
  ターゲット概念のラベルなしイメージのセットを前提として、我々は、新しいハイブリッド概念を創出できるT2Iモデルをトレーニングすることを目指している。 そこで我々はDreamCreatureと呼ばれる新しい手法を提案し,その基盤となるサブ概念を同定し抽出する。 したがって、T2Iは忠実な構造とフォトリアリスティックな外観を持つ新しい概念を生成するのに適応する。
  論文  参考訳（メタデータ） (2023-11-27T01:24:31Z)
• AdBooster: Personalized Ad Creative Generation using Stable Diffusion Outpainting [7.515971669919419]
  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。
  論文  参考訳（メタデータ） (2023-09-08T12:57:05Z)
• 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)
• Dual Attentive Sequential Learning for Cross-Domain Click-Through Rate Prediction [76.98616102965023]
  クロスドメインレコメンダシステムは、コールドスタートとスパシティの問題に対処するための強力な方法である。 本稿では,二元学習機構に基づくクロスドメインシーケンシャルなレコメンデーション手法を提案する。
  論文  参考訳（メタデータ） (2021-06-05T01:21:21Z)
• 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)

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。