論文の概要: I Am AdMan: A Pipeline for Automatic Generation of Personalized Advertising Imagery
- arxiv url: http://arxiv.org/abs/2609.12694v1
- Date: Fri, 11 Sep 2026 10:39:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.71981
- Title: I Am AdMan: A Pipeline for Automatic Generation of Personalized Advertising Imagery
- Title（参考訳）: I Am AdMan:パーソナライズされた広告画像の自動生成パイプライン
- Abstract要約: 本稿では、顧客データをペルソナに変換するパイプラインであるAdManを提案し、製品参照画像に基づいてパーソナライズされた広告画像を生成する。
我々はこのパイプラインを2つの異なるモデル構成で実装し、4つの製品にまたがって評価する。
我々の研究は、AIベースのパーソナライズされた広告に関する文献を拡張し、広告のための完全自動画像生成の可能性と現在の限界を実証した。
- 参考スコア（独自算出の注目度）: 4.662993987530914
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Personalized marketing can increase customer engagement, satisfaction, and conversion. While existing personalization approaches have become effective at matching the right product to the right customer, the visual representation of advertisements remains generic and only weakly tailored to the individual. Prior research shows that generative artificial intelligence can improve the creation of personalized advertisements, particularly for text, and that image generation models can support scalable advertisement production. However, little research has examined how detailed customer information can be systematically translated into fully AI-generated, personalized advertising imagery at scale on a technical level. To address this gap, we propose AdMan, a multi-agent pipeline that transforms customer data into personas, generates personalized advertisement images conditioned on product reference images, and applies an LLM-based judge agent for automated quality control. We implement the pipeline with two different model configurations and evaluate it across four products, using six celebrity personas for qualitative inspection, and 100 real customer profiles, producing 1745 advertisements. The evaluation combines a qualitative expert focus group and a quantitative artifact-rate assessment. The results show that the pipeline can generate photorealistic and personalized advertisements. At the same time, performance varies substantially by product complexity and model configuration. Our findings extend the literature on AI-based personalized advertising by demonstrating the feasibility and current limitations of fully automated image generation for advertising.
- Abstract（参考訳）: パーソナライズされたマーケティングは、顧客のエンゲージメント、満足度、コンバージョンを高めることができる。
既存のパーソナライズアプローチは、適切な製品と適切な顧客をマッチングする上で有効になっているが、広告の視覚的表現は依然として一般的であり、個人にしか適していない。
従来の研究では、生成人工知能はパーソナライズされた広告、特にテキストの作成を改善することができ、画像生成モデルはスケーラブルな広告制作をサポートすることが示されていた。
しかし、顧客の詳細な情報をAIによって生成され、パーソナライズされた広告画像に、いかに技術的レベルで体系的に変換できるかは、ほとんど研究されていない。
このギャップに対処するため,顧客データをペルソナに変換するマルチエージェントパイプラインであるAdManを提案し,製品参照画像に基づくパーソナライズされた広告画像を生成し,LLMに基づく判断エージェントを自動品質管理に適用する。
我々はこのパイプラインを2つの異なるモデル構成で実装し、4つの製品にまたがって評価する。
この評価は、定性的専門家焦点群と定量的アーティファクトレートアセスメントを組み合わせたものである。
その結果、パイプラインはフォトリアリスティックでパーソナライズされた広告を生成することができることがわかった。
同時に、パフォーマンスは製品の複雑さとモデル構成によって大きく異なります。
我々の研究は、AIベースのパーソナライズされた広告に関する文献を拡張し、広告のための完全自動画像生成の可能性と現在の限界を実証した。
関連論文リスト
- Enabling and Understanding Personalization in AI-Generated Advertising Imagery [4.346377939583986]
我々は、顧客データから直接パーソナライズされた広告画像を生成するAIベースのフレームワークを開発し、実装する。
N=100の参加者を4つの製品に分けた2段階の内被試験において,本フレームワークの評価を行った。
論文 参考訳（メタデータ） (2026-09-11T10:44:37Z) - Ad Headline Generation using Self-Critical Masked Language Model [4.556167062902223]
本稿では,小売コンテンツを用いた商品広告の見出し作成のためのプログラム的ソリューションを提案する。
本手法は,販売者が広告を希望する複数の商品を共同で条件付けすることで,広告見出しを作成する。
論文 参考訳（メタデータ） (2026-07-07T21:25:49Z) - Design Your Ad: Personalized Advertising Image and Text Generation with Unified Autoregressive Models [75.31791398000492]
広告画像とテキストの両方を生成するために,単一の自己回帰フレームワークを利用するUnified Advertisement Generative Model(Uni-AdGen)を開発した。
広告をよりパーソナライズするために、我々はUni-AdGenに粗い好み理解モジュールを装備する。
提案手法は,汎用的かつパーソナライズされた広告生成において,ベースラインを上回っている。
論文 参考訳（メタデータ） (2026-05-12T13:58:06Z) - Multi-Object Advertisement Creative Generation [10.187584785251087]
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。
論文 参考訳（メタデータ） (2026-03-14T04:30:27Z) - 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) - 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) - 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) - PALP: Prompt Aligned Personalization of Text-to-Image Models [68.91005384187348]
既存のパーソナライズ手法は、パーソナライズ能力や複雑なプロンプトへのアライメントを損なう。
本稿では,この問題に対処するエフィンスル・プロンプトのためのパーソナライズ手法に着目した新しいアプローチを提案する。
本手法はテキストアライメントの改善に優れ,複雑かつ複雑なプロンプトによる画像作成を可能にする。
論文 参考訳（メタデータ） (2024-01-11T18:35:33Z) - Personality-Driven Social Multimedia Content Recommendation [68.46899477180837]
人格特性がコンテンツレコメンデーションモデルに与える影響を,新しいパーソナリティ駆動型マルチビューコンテンツレコメンデーションシステムを適用して検討する。
実験結果と実世界のケーススタディは、PersiCが効率的な人格駆動型マルチビューコンテンツレコメンデーションを行う能力だけでなく、実用的なデジタル広告戦略レコメンデーションを可能にすることを実証している。
論文 参考訳（メタデータ） (2022-07-25T14:37:18Z)
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。