uc头条广告推广!让你轻松玩转AIGC广告图像

1
发表时间:2023-08-18 23:44

AIGC 的迅猛发展,使AI广告图像生成成为可能。在uc头条网络广告推广过程中,相较传统的画图过程,AI作图更为高效,在节约成本的同时,可以大幅提高广告图的多样性。

目前市面上大部分图像生成模型都是基于 diffusion 技术,开源的代表作是 stable diffusion 模型。SD模型凭借其出片速度快、画质精美,深受广大创作者的喜爱,而因其生成未本地化、可控性/稳定性不佳等原因,同产品化仍有距离。

AIGC的工作内容主要是,以扩散模型为核心生成引擎,整合多种技术组装成图像生成的流水线,确保产出高品质、可直接用于uc头条网络广告推广的广告图像。

网络广告推广

AI制图的出现几乎颠覆了原有的制图技术,影响了众多插画师、原画师、设计师的发展方向。AIGC的特点是高效、自动化,但缺少人工干预,生成的效果难以把控。

AIGC在研究和学习了传统的制图工艺技术后,提出了AI制图的生产流程,主要包括两个阶段:自动制图、质量筛选。

网络广告推广

1. 批量生成

其中,自动制图以 Stable Diffusion 模型的生成能力为核心,主要由三部分组成:① 图像前处理 ②训练扩散模型 ③搭建出图流程

|前置组件|

首先,根据输入的文案要求,映射到不同生产流水线,构建后续的任务队列和调度过程。

其次,解析、筛选、泛化提示词,确保生成内容在模型支持的范围内。

最后,解析好的提示词及其他输入(如有,例如图片、视频等)写入生成队列,等待生成。

|扩散模型|

扩散模型是生成能力的发动机,通过对模型的训练、改造,可以增强其生成能力。对模型的影响主要包括:①数据训练 ②模型改造两种方式

|数据训练|

通过收集图像、prompt pair 对,来增强模型在特定数据领域的能力,如:收集场景类图文对,生成更本土化的场景类图像(乡村、街道、健身房等)

|模型改造|

- 微调网络结构,如:dreambooth微调网络,学习电商实体,推理阶段可通过 prompt 控制产出多种风格的电商产品图像

- 增加子网络,如:lora 学习子网络,学习人物实体,推理阶段可通过prompt 控制产出不同发式、衣着、姿态、场景 的人物图像

|后置组件|

图像生成好了,还需围绕模型产出搭建后处理流程,以补足模型的能力,提高出图率。模型后置组件主要包括以下几种:

二次处理:对已有的图像进行元素组合、画风变换、背景变换等.

图像裁剪:调整图像尺寸,以适应不同业务场景的需要。

要素编辑:对已有图片进行文字编辑、增加logo、水印等工作。

2. 质量筛选

尽管模型已经做过定制化的优化训练,其出图的成功率仍然较低,因此需要对于批量产出的图片素材进行质量筛选,目前主要是人工筛选,后续规划会有三个阶段。

模型初筛:应用通用风险模型,目标检测模型等检测图像问题

图像优化:使用商业价值模型评估图像质量,获取商业价值较高的图像集合优先使用。

人工抽审:应用审核、物料标注人力来对最终集合进行复审、抽审,以确保图像的可用性。

联系方式

手机/微信:18971576794

ABUIABACGAAg1NT8ygUo9tjD1QIwrgM4rgM.jpg

官方服务号

外宣-15807157429_副本.jpg

代理合作

广告投放
 
 

服务热线:18971576794

公司官网渠道活码.png

免费开户中


更多需求提交