論文の概要: GenKOL: Modular Generative AI Framework For Scalable Virtual KOL Generation

• arxiv url: http://arxiv.org/abs/2509.14927v1
• Date: Thu, 18 Sep 2025 13:07:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-19 17:26:53.226849
• Title: GenKOL: Modular Generative AI Framework For Scalable Virtual KOL Generation
• Title（参考訳）: GenKOL: スケーラブルな仮想KOL生成のためのモジュール生成AIフレームワーク
• Authors: Tan-Hiep To, Duy-Khang Nguyen, Tam V. Nguyen, Minh-Triet Tran, Trung-Nghia Le,
• Abstract要約: GenKOLは、マーケティング専門家が生成AIを使用して高品質な仮想KOLイメージを効率的に生成できるようにするインタラクティブシステムである。 ユーザは、複数のAI機能を統合する直感的なインターフェースを通じて、プロモーションビジュアルを動的に作成できる。 当社のシステムは,ブランドコンテンツの生産を著しく効率化し,コストを低減し,スケーラブルな仮想KOL作成を加速することができる。
• 参考スコア（独自算出の注目度）: 18.021717653537305
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Key Opinion Leader (KOL) play a crucial role in modern marketing by shaping consumer perceptions and enhancing brand credibility. However, collaborating with human KOLs often involves high costs and logistical challenges. To address this, we present GenKOL, an interactive system that empowers marketing professionals to efficiently generate high-quality virtual KOL images using generative AI. GenKOL enables users to dynamically compose promotional visuals through an intuitive interface that integrates multiple AI capabilities, including garment generation, makeup transfer, background synthesis, and hair editing. These capabilities are implemented as modular, interchangeable services that can be deployed flexibly on local machines or in the cloud. This modular architecture ensures adaptability across diverse use cases and computational environments. Our system can significantly streamline the production of branded content, lowering costs and accelerating marketing workflows through scalable virtual KOL creation.
• Abstract（参考訳）: キーオピニオンリーダー(KOL)は、消費者の認識を形作り、ブランドの信頼性を高めることで、現代マーケティングにおいて重要な役割を担っている。 しかしながら、人間のKOLとの共同作業には、高コストとロジスティックな課題が伴うことが多い。 そこで我々は,マーケティング専門家が生成AIを用いて高品質な仮想KOL画像を効率よく生成することを可能にする対話型システムGenKOLを提案する。 GenKOLは、衣服の生成、メイクアップ転送、背景合成、ヘア編集など、複数のAI機能を統合した直感的なインターフェースを通じて、プロモーションビジュアルを動的に作成することを可能にする。 これらの機能はモジュール化された交換可能なサービスとして実装されており、ローカルマシンやクラウドに柔軟にデプロイできる。 このモジュラーアーキテクチャは、多様なユースケースと計算環境にまたがる適応性を保証する。 当社のシステムでは,スケーラブルな仮想KOL作成により,ブランドコンテンツの制作,コスト削減,マーケティングワークフローの高速化を実現している。

関連論文リスト

• Generative Large-Scale Pre-trained Models for Automated Ad Bidding Optimization [5.460538555236247]
  GRAD(Generative Reward-driven Ad-bidding with Mixture-of-Experts)を提案する。 GRADはプラットフォーム収益を大幅に向上させ、現代の広告主の進化的かつ多様な要求に対処する上での有効性を強調した。
  論文  参考訳（メタデータ） (2025-08-04T02:46:18Z)
• Intelligent Mobile AI-Generated Content Services via Interactive Prompt Engineering and Dynamic Service Provisioning [55.641299901038316]
  AI生成コンテンツは、ネットワークエッジで協調的なMobile AIGC Service Providers(MASP)を編成して、リソース制約のあるユーザにユビキタスでカスタマイズされたコンテンツを提供することができる。 このようなパラダイムは2つの大きな課題に直面している: 1) 生のプロンプトは、ユーザーが特定のAIGCモデルで経験していないために、しばしば生成品質が低下する。 本研究では,Large Language Model (LLM) を利用してカスタマイズしたプロンプトコーパスを生成する対話型プロンプトエンジニアリング機構を開発し,政策模倣に逆強化学習(IRL)を用いる。
  論文  参考訳（メタデータ） (2025-02-17T03:05:20Z)
• Large Model Empowered Metaverse: State-of-the-Art, Challenges and Opportunities [28.81101395387858]
  Metaverseは没入型で永続的なデジタルエコシステムであり、ユーザは3D仮想環境内で対話し、社交し、作業することができる。 本稿では,メタバースにおける大規模モデルの統合について検討する。 メタバースレンダリングを最適化するための生成AIベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-01-18T13:52:48Z)
• Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
  既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。 我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。 IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
  論文  参考訳（メタデータ） (2024-07-09T17:33:24Z)
• RITA: A Real-time Interactive Talking Avatars Framework [6.060251768347276]
  RITAは、生成モデルに基づいて構築された高品質なリアルタイム対話型フレームワークを提供する。 当社のフレームワークは,ユーザのアップロードした写真からリアルタイム対話を行うデジタルアバターへの変換を可能にする。
  論文  参考訳（メタデータ） (2024-06-18T22:53:15Z)
• Luminate: Structured Generation and Exploration of Design Space with Large Language Models for Human-AI Co-Creation [19.62178304006683]
  現在のインタラクションパラダイムは不足しており、限られたアイデアの集合に対して、ユーザを迅速なコンバージェンスへと導くものだ、と私たちは主張する。 本研究では,ユーザがシームレスに探索し,評価し,多数の応答を合成できる設計空間の構造化を促進するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-19T17:53:14Z)
• Federated Learning-Empowered AI-Generated Content in Wireless Networks [58.48381827268331]
  フェデレートドラーニング(FL)は、学習効率を改善し、AIGCのプライバシー保護を達成するために利用することができる。 我々は,AIGCの強化を目的としたFLベースの技術を提案し,ユーザが多様でパーソナライズされた高品質なコンテンツを作成できるようにすることを目的とする。
  論文  参考訳（メタデータ） (2023-07-14T04:13:11Z)
• ArK: Augmented Reality with Knowledge Interactive Emergent Ability [115.72679420999535]
  基礎モデルから新しいドメインへの知識記憶の伝達を学習する無限エージェントを開発する。 私たちのアプローチの核心は、Augmented Reality with Knowledge Inference Interaction (ArK)と呼ばれる新しいメカニズムである。 我々のArKアプローチは,大規模な基礎モデルと組み合わせることで,生成された2D/3Dシーンの品質を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-05-01T17:57:01Z)
• Guiding AI-Generated Digital Content with Wireless Perception [69.51950037942518]
  本稿では,AIGC(AIGC)と無線認識を統合し,デジタルコンテンツ制作の質を向上させる。 このフレームワークは、単語の正確な記述が難しいユーザの姿勢を読み取るために、新しいマルチスケール認識技術を採用し、それをスケルトン画像としてAIGCモデルに送信する。 生産プロセスはAIGCモデルの制約としてユーザの姿勢を強制するため、生成されたコンテンツはユーザの要求に適合する。
  論文  参考訳（メタデータ） (2023-03-26T04:39:03Z)

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。