ViASNet：用于预测动态显著性和观众参与度的视频广告显著性网络
计算机视觉与模式识别
2026-05-29 v1
摘要
数字媒体格局正在向短视频广告在电视、社交媒体和电子商务平台上普及。本研究聚焦于短视频广告的深度显著性预测。深度显著性模型用于生成人类注视模式的预测，以提升用户与数字技术的互动并优化其设计。对于视频广告，动态显著性图捕捉观众注视的时空位置，揭示视频广告有效性的原因以及应如何优化其内容。我们开发并测试了一种新的深度动态显著性预测模型，称为 ViASNet（Video Ad Saliency Network），其架构基于 3D U-Net，能够容纳音频影响以及场景语义含义。我们在151个视频广告上进行评估，每个广告约有20名观众在其眼动被跟踪时观看。我们通过消融实验探讨了影响模型性能的关键因素。我们逐帧计算预测显著性图的熵，作为诊断工具以识别效果不佳的广告和场景，并展示了其在15个未见广告测试数据上的应用。我们的研究表明，基于 ViASNet 等深度显著性模型构建的自动化系统可显著加快广告设计和测试的速度。
引用
@article{arxiv.2605.29302,
title = {ViASNet: A Video Ad Saliency Network for Predicting Dynamic Saliency and Viewer Engagement},
author = {Jianping Ye and Michel Wedel},
journal= {arXiv preprint arXiv:2605.29302},
year = {2026}
}