論文の概要: DiffAuction: An Auction-Driven Framework for Generative Image Advertising

• arxiv url: http://arxiv.org/abs/2610.34917v1
• Date: Mon, 26 Oct 2026 06:42:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.774676
• Title: DiffAuction: An Auction-Driven Framework for Generative Image Advertising
• Title（参考訳）: DiffAuction: 生成画像広告のためのオークション駆動フレームワーク
• Abstract要約: 本稿では,制御可能な生成,クリックインテント評価,オークション設計を統合したフレームワークであるDiffAuctionを提案する。 まず、トレーニングフリーのResidual Share Intent(RSC)は、ターゲットの共有に応じて製品固有の残留物に共同アテンション更新を分解する。 次に,VLMを用いて視覚的証拠を抽出し,Click-Through Intent (CTI) の評価を行う。 第3に、この広告設定を、実現可能な世代構成に対するオークションとして定式化する。
• 参考スコア（独自算出の注目度）: 3.5705905980133505
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion models enable multiple advertisers to compete for exposure within a shared generated image. Yet existing approaches are computationally costly when generating images under varying target-share configurations, and it remains unclear how the resulting outcomes should be evaluated and priced. To address these gaps, we propose DiffAuction, a framework integrating controllable generation, click-intent evaluation, and auction design. First, our training-free Residual Share Calibration (RSC) decomposes joint-attention updates into product-specific residuals and rescales them according to target shares. We further introduce Share-Conditioned Prompting (SCP) to adapt the viewpoint to each desired allocation. Second, we develop an evaluator that uses a VLM to extract visual evidence and an LLM to assess Click-Through Intent (CTI), a proxy for click propensity, along four dimensions: Product Prominence, Brand Recognizability, Scene Integration, and Contextual Value Communication. We validate its assessments against judgments from 10 trained annotators on 1000 images. Third, we formulate this advertising setting as an auction over jointly feasible generation configurations. Each configuration has a public expected CTI vector, while advertisers hold configuration-specific private values per unit of CTI that map click intent into commercial value. We adopt a learnable affine maximizer auction (AMA), which jointly selects a shared generation configuration and determines advertiser-specific payments to maximize expected platform revenue. The resulting allocation and payment rules guarantee dominant-strategy incentive compatibility (DSIC) and individual rationality (IR). Experiments show that our generation method strengthens the monotonic relationship between target shares and CTI relative to baselines, while the learned AMA achieves higher platform revenue in the resulting auction setting.
• Abstract（参考訳）: 拡散モデルにより、複数の広告主が共有された画像内で露出を競うことができる。 しかし、既存のアプローチは、異なるターゲットシェア構成で画像を生成する場合、計算コストがかかるため、結果がどのように評価され、価格が設定されるべきかは定かではない。 これらのギャップに対処するために,制御可能な生成,クリックインテント評価,オークション設計を統合したフレームワークであるDiffAuctionを提案する。 まず、トレーニングフリーのResidual Share Calibration(RSC)は、製品固有の残留物に共同注意更新を分解し、ターゲットの共有に応じてそれらを再スケールする。 さらに、所望の割り当てに視点を適応させるために、共有共有プロンプト(SCP)を導入します。 次に,VLMを用いて視覚的証拠を抽出し,クリック・スルー・インテント(CTI,Click-Through Intent)を評価する評価器を開発した。 本研究は,1000枚の画像から10個のアノテータの判断に対する評価を検証した。 第3に、この広告設定を、共同実現可能な世代構成に対するオークションとして定式化する。 各構成にはパブリックなCTIベクタがあり、広告主はクリックインテントを商用価値にマップするCTI単位ごとに構成固有のプライベート値を保持する。 学習可能なアフィン最大値オークション(AMA)を導入し、共有生成構成を共同で選択し、広告主固有の支払いを決定し、期待されるプラットフォーム収益を最大化する。 その結果、配分と支払いの規則により、支配的戦略インセンティブの適合(DSIC)と個人合理性(IR)が保証される。 実験の結果,提案手法はベースラインに対する目標株とCTIのモノトニックな関係を強くし,学習したAMAは競売設定においてより高いプラットフォーム収益を達成することがわかった。

関連論文リスト

• Diffusion-Based Auctions for Multi-Winner Banner Ads [19.33182198422033]
  本稿では,バナー広告オークションのための新しいフレームワークを提案し,複数の入札者が単一機会を勝ち取るために拡散モデルを活用する。 我々のフレームワークでは、結果は画像(広告の表示)であり、各入札者は結果よりも自分の好みを表現します。 提案手法は,広告主の入札とテキスト記述を,拡散モデルの逆過程を駆動するスコアに結合する。
  論文  参考訳（メタデータ） (2026-10-10T02:04:55Z)
• Divide, Deliberate, Decide: A Multi-Agent Framework for Fine-Grained Egocentric Action Recognition [86.4487145812318]
  エゴセントリックビデオにおけるきめ細かいアクション認識はビジョンランゲージモデルでは難しい。 完全ローカルでゼロショットのマルチエージェントフレームワークであるDivide, Deliberate, Decideを提案する。 実験により,本手法はベースライン上でのゼロショット動作認識性能を肯定的に向上することが示された。
  論文  参考訳（メタデータ） (2026-06-16T07:31:27Z)
• 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)
• Bid2X: Revealing Dynamics of Bidding Environment in Online Advertising from A Foundation Model Lens [20.38823641084096]
  本稿では,この基本関数を様々なシナリオのデータから学習するために,入札基盤モデルBid2Xを提案する。 私たちのモデルは、世界最大のeコマースプラットフォームであるTaobaoの広告プラットフォームにデプロイされています。
  論文  参考訳（メタデータ） (2025-10-27T15:15:01Z)
• Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
  競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。 我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
  論文  参考訳（メタデータ） (2024-11-20T18:06:55Z)
• Ad Auctions for LLMs via Retrieval Augmented Generation [12.9128551468564]
  本稿では,大規模言語モデル(LLM)のテキスト出力における広告アロケーションと価格設定のための新しいオークション機構を提案する。 RAGフレームワークに従って,各談話セグメントに対して広告を確率的に検索するセグメントオークションを提案する。 我々は,配分効率と公平性のバランスをとる福祉の新しい概念である対数社会福祉を最大化することを示し,関連するインセンティブに適合する価格設定を特徴付ける。
  論文  参考訳（メタデータ） (2024-06-12T22:05:51Z)
• Know in AdVance: Linear-Complexity Forecasting of Ad Campaign Performance with Evolving User Interest [31.40023913908308]
  リアルタイム入札(RTB)の広告主は、試行錯誤の費用を避けるために、予想されるコストと利益を事前にテキスト化したいと願っている。 ローカルオークションとグローバルキャンペーンレベルのモデリングを統合したタイムアウェアフレームワークである textitAdVance を提案する。 AdVanceはTencent Advertisingプラットフォームにデプロイされており、A/Bテストでは平均ユーザ当たり売上(ARPU)が4.5%上昇している。
  論文  参考訳（メタデータ） (2024-05-17T10:22:36Z)
• Enhancing User Intent Capture in Session-Based Recommendation with Attribute Patterns [77.19390850643944]
  周波数属性パターン拡張変換器(FAPAT)を提案する。 FAPATは属性遷移グラフと一致する属性パターンを構築することで、ユーザの意図を特徴づける。 FAPATは、様々な評価指標に対して平均4.5%の最先端手法を一貫して上回っていることを実証する。
  論文  参考訳（メタデータ） (2023-12-23T03:28:18Z)
• VFed-SSD: Towards Practical Vertical Federated Advertising [53.08038962443853]
  本稿では,2つの制限を緩和する半教師付き分割蒸留フレームワーク VFed-SSD を提案する。 具体的には,垂直分割された未ラベルデータを利用する自己教師型タスクMatchedPair Detection (MPD) を開発する。 当社のフレームワークは,デプロイコストの最小化と大幅なパフォーマンス向上を図った,リアルタイム表示広告のための効率的なフェデレーション強化ソリューションを提供する。
  論文  参考訳（メタデータ） (2022-05-31T17:45:30Z)

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。