論文の概要: Evolving Creatives with Clicks: CTR-Driven Advertising image Editing via Attribute Disentanglement and Preference Alignment

• arxiv url: http://arxiv.org/abs/2610.13066v1
• Date: Fri, 09 Oct 2026 06:26:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.425134
• Title: Evolving Creatives with Clicks: CTR-Driven Advertising image Editing via Attribute Disentanglement and Preference Alignment
• Title（参考訳）: クリックでクリエイティブを進化させる:CTR駆動型広告画像編集
• Abstract要約: そこで我々はClicksを用いたEvolving Creativesを提案する。 ECCは、CTRを傷つける属性を選択的に洗練し、積極的に貢献する属性を保存します。 ECCは、広告画像のクリックスルー率を大幅に改善し、最先端モデルよりも実質的なマージンを達成している。
• 参考スコア（独自算出の注目度）: 38.50386785297618
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The optimization objective for e-commerce advertising creatives has shifted from aesthetic quality to online business metrics like click-through rate (CTR). Recent methods generate appealing ad images from product images by constructing CTR-based reward signals and refining prompt generation via Reinforcement Learning. Such paradigms equally penalize all attributes within an underperforming image, even though some are actually beneficial to clicks. In this work, we propose Evolving Creatives with Clicks (ECC), which reformulates creative optimization as fine-grained editing rather than generation from scratch. ECC selectively refines attributes that hurt CTR while preserving those that contribute positively. Specifically, faced with a rich attribute space across massive images, ECC first identifies 28 attributes significantly correlated with CTR via ANOVA and Random Forest regression. Based on attribute contrasts between images with disparate CTRs, we instruction-tune a prompt model to generate editing suggestions, then refine it with real click preferences since reference-derived suggestions are not uniformly beneficial. Furthermore, we introduce Consistent Preference Optimization (CPO) as ECC's preference optimization strategy, which enforces consistency across semantically equivalent shuffled suggestions to mitigate DPO overfitting and improve preference generalization. Extensive experiments demonstrate that ECC significantly improves the CTR of ad images, outperforming state-of-the-art models by a substantial margin. The complete data pipeline, including attribute extraction and analysis, the resulting dataset, and source code will be released upon acceptance.
• Abstract（参考訳）: eコマース広告クリエーターの最適化目標は、美的品質からクリックスルーレート(CTR)のようなオンラインビジネス指標に移行した。 近年の手法では,CTRに基づく報酬信号の構築と強化学習による即時生成により,商品画像から魅力的な広告画像を生成する。 このようなパラダイムは、実際にはクリックに有利なものもあるにも関わらず、パフォーマンスの低い画像内のすべての属性を均等にペナルティ化する。 本研究では,創造的最適化をスクラッチから生成するのではなく,きめ細かな編集として再構成するECC(Evolving Creatives with Clicks)を提案する。 ECCは、CTRを傷つける属性を選択的に洗練し、積極的に貢献する属性を保存します。 具体的には、大量の画像にまたがる豊富な属性空間に直面して、ECCはまず、ANOVAとランダムフォレストレグレッションを介してCTRと顕著に相関した28の属性を識別する。 異なるCTRを持つ画像間の属性コントラストに基づいて、編集提案を生成するプロンプトモデルを作成し、参照由来の提案が一様でないため、実際のクリック優先で洗練する。 さらに,ECC の選好最適化戦略として Consistent Preference Optimization (CPO) を導入し,意味論的に等価なシャッフル提案の整合性を適用し,DPO の過度な適合を緩和し,選好一般化を改善する。 大規模な実験により、ECCは広告画像のCTRを大幅に改善し、最先端モデルよりもかなりのマージンで性能が向上することが示された。 属性抽出と解析、結果のデータセット、ソースコードを含む完全なデータパイプラインは、受け入れ時にリリースされる。

関連論文リスト

• KwaiMind Technical Report [16.986789022658982]
  KwaiMindは、一般的な機能とeコマースの専門化を組み合わせた画像編集システムである。 KwaiMindはマルチモーダル拡散変圧器上に構築され、事前訓練と微調整を継続した。 汎用視覚言語判断器とクリックスルー率(CTR)、テキストレンダリング、製品整合性ガイド専門ポリシーのための特別報酬。
  論文  参考訳（メタデータ） (2026-09-22T13:21:45Z)
• Element-Aware Group Learning for E-Commerce Image Generation [18.989839742726975]
  ビジョン言語モデル(VLM)は、製品イメージとメタデータから画像編集プロンプトを生成することができる。 プロンプト書き込み機能の改善には、生成されたイメージからのフィードバックによる後トレーニングが必要だ。 電子商取引画像は、競争力のあるVLMプロンプトライティングベースラインよりも高品質な電子商取引画像を生成する。
  論文  参考訳（メタデータ） (2026-08-01T10:45:03Z)
• 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)
• 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)
• DELTA: Dynamic Embedding Learning with Truncated Conscious Attention for CTR Prediction [61.68415731896613]
  CTR(Click-Through Rate)予測は、製品とコンテンツの推奨において重要なタスクである。 本稿では,CTR予測のための動的埋め込み学習を実現するモデルを提案する。
  論文  参考訳（メタデータ） (2023-05-03T12:34:45Z)
• End-to-End Diffusion Latent Optimization Improves Classifier Guidance [81.27364542975235]
  拡散潜水剤(DOODL)の直接最適化は,新しいガイダンス手法である。 拡散潜伏剤の最適化によるプラグアンドプレイ誘導を可能にする。 計算と人的評価の指標において、一段階の分類器ガイダンスよりも優れている。
  論文  参考訳（メタデータ） (2023-03-23T22:43:52Z)
• 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)

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。