展示哪些广告？基于多步模态融合与辅助信息的广告图像评估
机器学习
2019-10-08 v1 信息检索
摘要
评估美学偏好是一项与人类认知相关的基础任务。它也能贡献于各种实际应用，例如在线广告的图像创作。尽管图像质量有关键影响，广告图像的辅助信息（如标签和目标主体）也能决定图像偏好。现有研究主要关注图像，因而在具有丰富辅助数据的广告场景中用处较小。在此我们提出一种基于模态融合的神经网络，利用辅助信息评估图像的美学偏好。受真实广告数据统计分析发现的启发，我们的方法通过引入基于条件批归一化的低层融合和基于注意力的高层融合机制的多步模态融合，充分利用辅助数据。我们的方法在广泛使用的美学评估数据集AVA上取得了最先进（state-of-the-art）性能。此外，所提方法在具有丰富辅助属性的大规模真实世界广告图像数据上进行了评估，提供了有前景的偏好预测结果。通过大量实验，我们探究了图像与辅助信息如何共同影响点击率。
引用
@article{arxiv.1910.02358,
title = {Which Ads to Show? Advertisement Image Assessment with Auxiliary Information via Multi-step Modality Fusion},
author = {Kyung-Wha Park and JungHoon Lee and Sunyoung Kwon and Jung-Woo Ha and Kyung-Min Kim and Byoung-Tak Zhang},
journal= {arXiv preprint arXiv:1910.02358},
year = {2019}
}