Fugu-MT 論文翻訳(概要): Dynamic Product Image Generation and Recommendation at Scale for Personalized E-commerce

論文の概要: Dynamic Product Image Generation and Recommendation at Scale for Personalized E-commerce

arxiv url: http://arxiv.org/abs/2408.12392v1
Date: Thu, 22 Aug 2024 13:37:30 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-10 17:22:32.140492
Title: Dynamic Product Image Generation and Recommendation at Scale for Personalized E-commerce
Title（参考訳）: パーソナライズされたEコマースのための動的製品画像生成と大規模勧告
Authors: Ádám Tibor Czapp, Mátyás Jani, Bálint Domián, Balázs Hidasi,
Abstract要約: 遅延拡散に基づく画像生成とコンテキスト帯域の結合により、大規模にアイキャッチされたパーソナライズされた製品イメージを作成することができる。本稿では,電子商取引のオンラインキャンペーンにおけるレコメンデーションによるユーザエンゲージメントを高めるために,これらの技術をどのように活用したかを紹介する。
参考スコア（独自算出の注目度）: 0.07499722271664144
License:
Abstract: Coupling latent diffusion based image generation with contextual bandits enables the creation of eye-catching personalized product images at scale that was previously either impossible or too expensive. In this paper we showcase how we utilized these technologies to increase user engagement with recommendations in online retargeting campaigns for e-commerce.
Abstract（参考訳）: 潜伏拡散に基づく画像生成と文脈的帯域幅の結合により、以前は不可能か高すぎるかのどちらかであった大規模に、目を引くパーソナライズされた製品イメージを作成することができる。本稿では,電子商取引におけるレコメンデーションによるユーザエンゲージメントを高めるために,これらの技術をどのように活用したかを紹介する。

関連論文リスト

Training-Free Style Consistent Image Synthesis with Condition and Mask Guidance in E-Commerce [13.67619785783182]
我々は、UNetと画像条件を統合する際に、注意マップ(自己注意と横断注意)の修正を参照して、QKVレベルの概念を導入する。我々は、共有KVを用いて、交差注意における類似性を高め、注目マップからマスクガイダンスを生成し、スタイル一貫性画像の生成を巧みに指示する。
論文参考訳（メタデータ） (2024-09-07T07:50:13Z)
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)
Iteratively Prompting Multimodal LLMs to Reproduce Natural and AI-Generated Images [45.302905684461905]
本稿では,DALL-E 3 や Midjourney などのプラットフォームの出力を模倣するために,視覚的理解を充実したマルチモーダルモデルを採用する可能性について検討する。私たちは、マーケットプレースやプレミアムストックイメージプロバイダで利用可能なものに似た画像を生成するプロンプトを作成していますが、著しくコストを削減しています。自動測定と人的評価の両方で支持された我々の研究結果は、市場価格のごく一部で、同等のビジュアルコンテンツを生成できることを明らかにした。
論文参考訳（メタデータ） (2024-04-21T21:30:17Z)
Chaining text-to-image and large language model: A novel approach for generating personalized e-commerce banners [8.508453886143677]
オンライン買い物客向けにパーソナライズされたWebバナーを生成するために,テキスト・ツー・イメージ・モデルを用いることを実証する。このアプローチの新規性は、ユーザーのインタラクションデータを人間の介入なしに意味のあるプロンプトに変換することである。提案手法は,ユーザに対して高品質なパーソナライズバナーを作成できることを示す。
論文参考訳（メタデータ） (2024-02-28T07:56:04Z)
Visual Concept-driven Image Generation with Text-to-Image Diffusion Model [65.96212844602866]
テキスト・ツー・イメージ(TTI)モデルは複雑なシーンの高解像度画像を生成するという印象的な結果を示した。近年のアプローチでは、これらの手法をパーソナライズ技術で拡張し、ユーザ認証の概念の統合を可能にしている。しかし、人間の被写体のような複数の相互作用する概念を持つ画像を生成する能力は、1つにまたがったり、複数にまたがったりする概念は、いまだに説明がつかないままである。これらの課題に対処する概念駆動型TTIパーソナライズフレームワークを提案する。
論文参考訳（メタデータ） (2024-02-18T07:28:37Z)
Generate E-commerce Product Background by Integrating Category Commonality and Personalized Style [25.266856284339415]
カテゴリワイズジェネレータは、初めて大規模なバックグラウンド生成を可能にする。パーソナリティ・ワイズ・ジェネレータは、参照画像から直接このようなパーソナライズされたスタイルを学習するように設計されている。第1の大規模eコマース製品背景生成データセットBG60kが構築される。
論文参考訳（メタデータ） (2023-12-20T04:35:00Z)
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)
Ablating Concepts in Text-to-Image Diffusion Models [57.9371041022838]
大規模テキスト・画像拡散モデルでは、強力な構成能力を持つ高忠実度画像を生成することができる。これらのモデルは典型的には膨大な量のインターネットデータに基づいて訓練されており、しばしば著作権のある資料、ライセンスされた画像、個人写真を含んでいる。本稿では,事前訓練されたモデルにおいて,目標概念の生成を防止し,効率的に概念を宣言する手法を提案する。
論文参考訳（メタデータ） (2023-03-23T17:59:42Z)
ItemSage: Learning Product Embeddings for Shopping Recommendations at Pinterest [60.841761065439414]
Pinterestでは、ItemSageと呼ばれるプロダクトの埋め込みセットを構築して、すべてのショッピングユースケースに適切なレコメンデーションを提供しています。このアプローチによって、エンゲージメントとコンバージョンメトリクスが大幅に改善され、インフラストラクチャとメンテナンスコストの両方が削減された。
論文参考訳（メタデータ） (2022-05-24T02:28:58Z)
Brand Label Albedo Extraction of eCommerce Products using Generative Adversarial Network [6.422262171968397]
我々は,eコマース製品のブランドラベルのアルベドを抽出するソリューションを提案する。我々は,アルベド抽出のための大規模写真リアル合成データセットを生成し,その後,様々な照明条件の画像をアルベドに変換する生成モデルを訓練した。
論文参考訳（メタデータ） (2021-09-07T08:30:15Z)

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。