MindMem: 用于预测广告记忆力的多模态模型, 结合大语言模型与深度学习
人工智能
2025-02-26 v1
摘要
在广告的竞争环境中, 成功的关键在于有效地导航和利用消费者、广告商和广告平台之间复杂的相互作用。这些多层次的相互作用迫使广告商优化其策略, 以建模消费者行为、提升品牌记忆、并定制广告内容。为了应对这些挑战, 我们提出了 MindMem, 一个用于预测广告记忆力的多模态预测模型。通过整合文本、视觉和听觉数据, MindMem 实现了最先进的性能, 在 LAMBDA 数据集上的斯佩森相关系数为 0.631, 在 Memento10K 数据集上为 0.731, 持续超越现有方法。此外, 我们分析确定影响广告记忆力的关键因素, such as 视频节奏、场景复杂度和情感共鸣。进一步地, 我们引入了 MindMem-ReAd (MindMem 驱动的重新生成广告), 它采用基于大语言模型的仿真来优化广告内容与位置, 实现了最高达 74.12% 的广告记忆力提升。我们的结果凸显了人工智能在广告领域的变革性潜力, 为广告商提供了强大的工具以驱动参与度、提升竞争力并在快速变化的市场中最大化影响力。
引用
@article{arxiv.2502.18371,
title = {MindMem: Multimodal for Predicting Advertisement Memorability Using LLMs and Deep Learning},
author = {Sepehr Asgarian and Qayam Jetha and Jouhyun Jeon},
journal= {arXiv preprint arXiv:2502.18371},
year = {2025}
}
备注
7 pages, 5 figures, 4 Tables, AAAI 2025 Economics of Modern ML: Markets, Incentives, and Generative AI Workshop