AI Lab、進化計算分野のトップカンファレンス「GECCO2023」にて共著論文採択

■研究背景：高品質なクリエイティブ制作のための最適化

「AI Lab」ではマーケティング全般に関わる幅広いAI技術を研究・開発しており、大学・学術機関との産学連携を強化しながら様々な技術課題に取組んでいます。なかでも、クリエイティブ領域における活動として、クリエイティブ表現全般に関わる幅広いAI技術を研究するとともに、メディア理解の基盤となる画像生成AIの評価指標の分析も行うなど、応用研究だけでなく基礎研究にも注力しています※3。

クリエイティブ制作においては、より魅力的なデザインの学習のために、デザインに影響を与える変数の最適化が重要となります。例えば、グラフィックデザインを支援するためのレイアウト自動生成※4においては、最初に自動生成したレイアウトに対して最適化を行うことで、望ましいレイアウトの生成を実現しています。最終的な成果物の品質を高めるためには、最適化の精度を向上させることが重要となります。

レイアウト自動生成の先行研究においては、連続的な変数を最適化の対象としていましたが、レイアウト構造全体を学習対象とした場合には、連続的な変数に加えて離散的な変数も最適化の対象となることがあります。このような背景のもと、AI Labでは連続的な変数と離散的な変数を同時にかつ効率的に最適化する手法の開発に取り組んでまいりました※2。

 

■論文研究の概要

今回採択された共著論文「(1+1)-CMA-ES with Margin for Discrete and Mixed-Integer Problems」※5では、連続的な変数に加えて離散的な変数を含む問題に対する、より効率的な最適化を可能にする手法を提案しました。実用上よく現れる性質を有する最適化問題に対して数値実験を行った結果、提案法は既存研究において有用性が確認されていた手法よりさらに効率的かつ高精度に最適化可能であることが確認されています。本手法はクリエイティブ領域にも応用可能であり、より高品質なクリエイティブの制作を可能にすることが期待されます。

 

■今後

本研究において提案された方法は、クリエイティブ領域以外にも、機械学習モデルの自動チューニング※6などの様々な問題に対して応用が可能です。「AI Lab」は今後もAI技術を取り入れたより品質の高い広告配信技術の実現を目指し、研究・開発に努めてまいります。


※1 「GECCO」The Genetic and Evolutionary Computation Conference
※2 AI Lab、進化計算分野のトップカンファレンス「GECCO2022」にて共著論文採択　ー離散的な変数と連続的な変数を同時最適化する手法を提案ー
※3 AI Lab、コンピュータビジョン分野のトップカンファレンス「CVPR2023」にて3本の主著論文採択
※4 AI Lab、マルチメディア分野のトップカンファレンス「ACM Multimedia」にて共著論文採択　ー最適化による制約を満たしたレイアウトの生成手法を提案ー
※5 Yohei Watanabe, Kento Uchida, Ryoki Hamano, Shota Saito, Masahiro Nomura, Shinichi Shirakawa, "(1+1)-CMA-ES with Margin for Discrete and Mixed-Integer Problems", GECCO 2023.
※6 AI Lab、人工知能分野のトップカンファレンス「AAAI 2021」にて共著論文採択　ー 事前情報を活用した効率的なハイパーパラメーター最適化手法を提案 ー
AI Lab、データマイニング分野の主要国際会議「CIKM」にて共著論文採択ー 正解情報のないデータに対するハイパーパラメーター最適化手法を提案 ー