京东广告创意：高质量创意生成和千人千面的创意推荐
💡
原文中文，约3500字，阅读约需9分钟。
📝
内容提要
京东广告团队在2024年利用AIGC技术提升广告创意质量与多样性，解决了生成图片可用率低的问题，提出了多模态反馈网络和创意优选模型，显著改善了广告素材匹配效果，推动个性化广告发展。
🎯
关键要点
- 京东广告团队在2024年利用AIGC技术提升广告创意质量与多样性。
- 解决了生成图片可用率低的问题，提出了多模态反馈网络和创意优选模型。
- 显著改善了广告素材匹配效果，推动个性化广告发展。
- 创意生成方面，提出提高生成图片可用率的方法，通过多模态可靠反馈模型模拟人类审核图片。
- 发布了业界首个人工标注生成广告图片的RF1M数据集，帮助模型更真实地反映人类反馈。
- 创意优选方面，利用多模态大语言模型提取创意的表征信息，提升优选模型的区分能力。
- 将创意优选任务拆分为元素选择和组合选择两个阶段，增强模型应对丰富创意素材的能力。
- 技术突破成功解决了AIGC图片可用率低的问题，提升了素材覆盖率。
- 相关创新成果已在多个顶会上发表论文。
- 未来将继续探索多模态和个性化广告创意生成技术。
❓
延伸问答
京东广告团队在2024年采用了什么技术来提升广告创意的质量？
京东广告团队在2024年利用AIGC技术提升广告创意质量与多样性，提出了多模态反馈网络和创意优选模型。
如何解决生成广告图片可用率低的问题？
通过多模态可靠反馈模型模拟人类审核图片，显著提升生成图片的可用率。
RF1M数据集的作用是什么？
RF1M数据集用于帮助模型更真实地反映人类反馈，促进广告图片生成的研究。
创意优选模型是如何提升区分能力的？
创意优选模型利用多模态大语言模型提取创意的表征信息，增强模型的区分能力。
京东广告团队未来的技术探索方向有哪些？
未来将继续探索多模态和个性化广告创意生成技术，优化不同模态内容的整合能力。
如何缓解广告创意中的组合爆炸问题？
通过将创意-精排联和学习范式拆解为二元组预估与创意排序问题，减轻组合爆炸问题。
➡️
