Fugu-MT 論文翻訳(概要): Multi-Object Advertisement Creative Generation

論文の概要: Multi-Object Advertisement Creative Generation

arxiv url: http://arxiv.org/abs/2603.13745v1
Date: Sat, 14 Mar 2026 04:30:27 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-17 16:19:35.380424
Title: Multi-Object Advertisement Creative Generation
Title（参考訳）: マルチオブジェクト・クリエイティヴジェネレーション
Authors: Jialu Gao, Mithun Das Gupta, Qun Li, Raveena Kshatriya, Andrew D. Wilson, Keng-hao Chang, Balasaravanan Thoravi Kumaravel,
Abstract要約: 家具製品マーケティングにおいて、広告主はしばしば潜在的な買い手と共鳴する製品を含むライフスタイルのイメージを作成する。ジェネレーティブ・人工知能(GenAI)の最近の進歩は、現実的な画像コンテンツ作成に発展をもたらした。 CreativeAdsは、スケーラブルな自動生成をサポートするマルチプロダクト広告作成システムである。
参考スコア（独自算出の注目度）: 10.187584785251087
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Lifestyle images are photographs that capture environments and objects in everyday settings. In furniture product marketing, advertisers often create lifestyle images containing products to resonate with potential buyers, allowing buyers to visualize how the products fit into their daily lives. While recent advances in Generative Artificial Intelligence (GenAI) have given rise to realistic image content creation, their application in e-commerce advertising is challenging because high-quality ads must authentically representing the products in realistic scearios. Therefore, manual intervention is usually required for individual generations, making it difficult to scale to larger product catalogs. To understand the challenges faced by advertisers using GenAI to create lifestyle images at scale, we conducted evaluations on ad images generated using state-of-the-art image generation models and identified the major challenges. Based on our findings, we present CreativeAds, a multi-product ad creation system that supports scalable automated generation with customized parameter adjustment for individual generation. To ensure automated high-quality ad generation, CreativeAds innovates a pipeline that consists of three modules to address challenges in product pairing, layout generation, and background generation separately. Furthermore, CreativeAds contains an intuitive user interface to allow users to oversee generation at scale, and it also supports detailed controls on individual generation for user customized adjustments. We performed a user study on CreativeAds and extensive evaluations of the generated images, demonstrating CreativeAds's ability to create large number of high-quality images at scale for advertisers without requiring expertise in GenAI tools.
Abstract（参考訳）: ライフスタイルの画像は、環境やオブジェクトを日常的に捉えた写真です。家具製品マーケティングでは、広告主が商品を含むライフスタイル画像を作成し、潜在的な購入者と共鳴し、購入者が商品が日常の生活にどのように適合するかを視覚化する。ジェネレーティブ・人工知能(GenAI)の最近の進歩は、現実的な画像コンテンツ制作に拍車をかけたが、高品質な広告は現実的なシナリオで製品を表現する必要があるため、電子商取引広告への応用は困難である。そのため、通常は個々の世代に手動で介入する必要があるため、より大きな製品カタログにスケールすることは困難である。我々は,GenAIを用いてライフスタイルイメージを大規模に作成する広告主が直面する課題を理解するために,最先端の画像生成モデルを用いて生成した広告画像の評価を行い,その主な課題を明らかにした。提案するCreativeAdsは,個別生成のためのパラメータ調整機能を備えたスケーラブルな自動生成をサポートするマルチプロダクト広告作成システムである。高品質な広告の自動生成を保証するため、CreativeAdsは3つのモジュールからなるパイプラインを革新し、製品ペアリング、レイアウト生成、バックグラウンド生成の課題に個別に対処する。さらに、CreativeAdsには、ユーザーが大規模に生成を監視できるように、直感的なユーザーインターフェイスが含まれており、また、カスタマイズされた調整のための個々の生成に関する詳細なコントロールもサポートする。我々はCreativeAdsのユーザスタディを行い、生成した画像の広範な評価を行い、GenAIツールの専門知識を必要とせず、大規模に多数の高品質な画像を作成するCreativeAdsの能力を実証した。

関連論文リスト

NextAds: Towards Next-generation Personalized Video Advertising [46.666292153282875]
NextAdsは次世代のパーソナライズされたビデオ広告のためのパラダイムだ。私たちは、パーソナライズされたクリエイティブ生成とパーソナライズされたクリエイティブ統合という2つの代表的なタスクを定式化します。我々は初期の探索実験を行い、GenAIがパーソナライズされたクリエイティブを創造し、統合し、パフォーマンスを奨励できることを実証した。
論文参考訳（メタデータ） (2026-03-02T17:58:07Z)
POET: Supporting Prompting Creativity and Personalization with Automated Expansion of Text-to-Image Generation [33.03808810462489]
最先端のビジュアル生成AIツールは、クリエイティブなタスクの初期のアイデア段階において、ユーザーを支援する大きな可能性を秘めている。多くの大規模テキスト・ツー・イメージシステムは幅広い適用性のために設計されており、創造的な探索を制限するような従来の出力が得られる。テキストから画像への生成モデルにおいて,同質性の次元を自動的に検出するリアルタイム対話型ツールPOETを紹介する。
論文参考訳（メタデータ） (2025-04-18T00:54:36Z)
Personalized Image Generation with Deep Generative Models: A Decade Survey [51.26287478042516]
本稿では、様々な生成モデルにまたがって、一般化されたパーソナライズされた画像生成についてレビューする。まず、異なる生成モデル間でパーソナライズプロセスを標準化する統合フレームワークを定義する。次に、各生成モデルにおけるパーソナライズ手法の詳細な分析を行い、そのユニークな貢献と革新を強調します。
論文参考訳（メタデータ） (2025-02-18T17:34:04Z)
CTR-Driven Advertising Image Generation with Multimodal Large Language Models [53.40005544344148]
本稿では,Click-Through Rate (CTR) を主目的とし,マルチモーダル大言語モデル(MLLM)を用いた広告画像の生成について検討する。生成した画像のCTRをさらに改善するため、強化学習(RL)を通して事前学習したMLLMを微調整する新たな報酬モデルを提案する。本手法は,オンラインとオフラインの両方で最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2025-02-05T09:06:02Z)
Strictly-ID-Preserved and Controllable Accessory Advertising Image Generation [26.70908496728137]
我々は、制御ネットに基づくカスタマイズされた画像生成パイプラインを開発した。我々のアプローチは、イヤリングとモデルの顔とのシームレスな相互作用を促進する。提案手法は, 生成したモデルの顔のきめ細かい制御を実現し, 広告効果を制御し, 獲得する。
論文参考訳（メタデータ） (2024-04-07T06:28:53Z)
Social Reward: Evaluating and Enhancing Generative AI through Million-User Feedback from an Online Creative Community [63.949893724058846]
コミュニティ認識の一形態としての社会的報酬は、オンラインプラットフォームのユーザーがコンテンツに関わり、貢献する動機の強い源泉となる。この作業はパラダイムシフトの先駆者であり、革新的な報酬モデリングフレームワークであるSocial Rewardを発表した。私たちは、オンラインビジュアル作成と編集プラットフォームであるPicsartから、データセットのキュレーションと洗練の広範な旅に乗り出した。
論文参考訳（メタデータ） (2024-02-15T10:56:31Z)
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)
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)

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。