至顶网CIO与应用频道 11月08日 北京消息:11月6日,全球最大的独立移动广告平台InMobi在北京举行了“AI视频 全域智达“2018品牌新品发布会,推出了以人工智能为基础的重磅产品:InMobi视频4.0品牌广告解决方案,并就移动优先、大数据及人工智能浪潮下视频广告未来如何发展、AI如何改变移动营销以及如何再造媒介营销、人工智能在移动广告领域的技术应用和全球品牌移动营销最新趋势等话题,进行了深入的探讨。
InMobi此次发布的视频4.0整体解决方案,是以大数据、AI技术为基础,以智能理解用户、智能场景投放为目标,建立起来的一套完整的产品、技术体系。他们希望通过这套解决方案,带来全时域、全地域、全空域的移动视频广告智能触达,帮助品牌广告主“找到对的人”,“触达到对的人”从而“深入影响对的人”。
为了实现这一整套解决方案,InMobi率先对LBS定向技术进行了革命性的升级,将传统的基于兴趣位置定向(POI, Point of Interest)升级为智能场景位置定向(AOI, Area of Interest)。在多家LBS数据合作伙伴和机构的支持下,InMobi AOI技术能够将地理位置区域由圆圈升级为更精确的多边形位置,实时记录用户设备出现在各楼宇的位置和出现次数。
同时,结合6.5亿月独立活跃用户的人口信息等基本属性,以及用户行为标签、多维度的用户APP内行为记录等数据,InMobi移动广告平台建立起了三维立体性空间标签体系,刻画出了InMobi平台用户的完整立体画像,为精准地找到目标用户提供了强大的支撑。
在此基础上,InMobi凭借拥有超过30000个高质量APP的强大媒体矩阵,智能全面覆盖包括社交、出行、娱乐、学习等在内的几乎所有用户生活场景,从而让及时捕捉用户场景变化,实现智能场景投放成为可能。更为重要的是,InMobi平台采用SDK集成对接APP,不但可以支持他们于2017年初便推出的移动视频广告全线解决方案,还能为用户提供“零缓冲”以及个性化的视频体验,为品牌广告主带来更高的目标用户触达,提高视频播放完成率。
InMobi大中华区总经理杨娟在发布会现场还介绍道,为了实现品牌数据效果最大化,InMobi还建立了自己的InMobi CDP品牌数据库,打通与品牌广告主CRM以及目标用户的数据通道,并通过Video 4.0可视化验证解决方案,验证数据效果。同时,为了最大程度上方便品牌广告主,InMobi还推出了独家创意视频智能生成平台Helix、独家全球智能调研平台InMobi Pulse等工具,让品牌广告主能够高效便捷地生成创意素材,并进行广告投放前后的调研。
视频广告在经历了从电视广告到贴片广告,再从移动贴片广告到AI营销的变革之后,也正式迎来了自己的4.0时代。人工智能、大数据、全场景、碎片化、智能曝光等,已经成为时下营销行业讨论的关键词。在这种新趋势下,品牌广告主如何利用好AI视频广告来最大化自己的品牌曝光,也成为了一项重要课题。
此次InMobi“AI视频,全域智达”品牌新品发布会,也是该公司与广大行业专业人士以及品牌广告主对智能营销现状与未来想象空间的一次有益探讨。据了解,InMobi还将于11月9日和12月初,先后举办“AI视频,全域智达”2018品牌新品发布会“上海场和广州场。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。