[1O5-GS-7] 画像音声メディア処理

[1O5-GS-7-05] マルチアスペクト比Vision Transformerを用いたディスプレイ広告効果の予測

〇丹治 直人¹、山崎 俊彦² (1. Septeni Japan株式会社、2. 東京大学)

キーワード：深層学習、コンピュータビジョン、オンライン広告、Transformer

オンライン広告を効果的に作成するためには、広告効果を事前に予測することが重要である。インターネット上で配信されるディスプレイ広告の画像は様々なアスペクト比を持つため、画像のアスペクト比を考慮することで、画像の広告効果をより正確に予測できると期待される。本研究では、相対位置バイアスを用いることで任意のアスペクト比の画像を扱うことができるVision Transformerモデルを提案する。実際の広告配信データを用いたクリック率予測タスクにおいて、画像を一律に正方形にリサイズするベースラインモデルとの比較を行い、提案手法の有効性を確認した。