A$^3$：走向广告审美评估

广告形象对商业转化率和品牌资产具有重要影响，但目前的评价方法依赖于主观判断，缺乏可扩展性、标准化标准和可解释性。为了应对这些挑战，我们提出了 A^3（广告审美评估），这是一个包含四个组成部分的综合框架：范式 (A^3-Law)、数据集 (A^3-Dataset)、多模态 大语言模型 (A^3-Align) 和基准 (A^3-Bench)。 A^3 的核心是理论驱动的范式，A^3-Law，包括三个层次阶段：（1）感知注意力，评估感知图像信号吸引注意力的能力； （2）形式兴趣，评估图像色彩和空间布局的形式构成是否引起兴趣； (3) 欲望影响力，衡量图像引发的欲望及其说服力。在 A^3-Law 的基础上，我们使用来自 30K 广告图像的 120K 个指令响应对构建了 A^3-Dataset，每个指令响应对都带有多维标签和思想链 (CoT) 基本原理的丰富注释。我们进一步开发 A^3-Align，在 A^3-Law 下进行训练，并在 A^3-Dataset 上进行 CoT 引导学习。 A^3-Bench 上的大量实验表明，与现有模型相比，A^3-Align 与 A^3-Law 实现了卓越的一致性，并且这种一致性很好地推广到了高质量广告选择和规范性广告评论，表明其具有更广泛部署的潜力。数据集、代码和模型可以在：https://github.com/euleryuan/A3-Align 找到。