Die intelligente Generierung von Werbebildern mittels generativer adversarialer Netzwerke und Vision Transformer

Mit der kontinuierlichen Entwicklung des digitalen Marketings ist die Generierung von Werbebildern entscheidend geworden, um das Interesse der Nutzer zu wecken und die Werbewirksamkeit zu steigern. Bestehende Methoden stoßen jedoch an ihre Grenzen, wenn es darum geht, den vielfältigen und kreativen Anforderungen an Werbeinhalte gerecht zu werden, was innovative Algorithmen zur Verbesserung der Ergebnisse der Werbegenerierung erforderlich macht. Um diese Herausforderungen anzugehen, schlägt diese Studie ein Rahmenwerk für einen Deep-Learning-Algorithmus vor, das geschickt ein generatives adversariales Netzwerk und ein VGG-basiertes visuelles Transformermodell integriert, um die Effektivität der Generierung von Werbebildern zu verbessern. Systematische Experimente zeigen, dass das in diesem Artikel vorgeschlagene Modell einen AUC-Metrikwert von mehr als 0,7 auf mehreren Datensätzen erreicht. Die Ergebnisse der Experimente belegen, dass der neuartige Algorithmus die Attraktivität von Werbeinhalten erheblich steigert, wobei insbesondere erhebliche Vorteile in der Website-Bedienung während Online-Evaluationsversuchen deutlich werden.