AI Lab、進化計算分野のトップカンファレンス「GECCO 2024」にて2本の共著論文採択

広告 ｜2024年7月12日

株式会社サイバーエージェント（本社：東京都渋谷区、代表取締役：藤田晋、東証プライム市場：証券コード4751）は、人工知能技術の研究開発組織「AI Lab」に所属する研究員の濱野椋希、野村将寛および横浜国立大学 教育推進機構 内田絢斗氏、横浜国立大学 総合学術高等研究院 白川真一氏ならびに横浜国立大学/株式会社スキルアップNeXtの斉藤翔汰氏による2本の共著論文が、進化計算分野の国際会議「GECCO 2024」※1の本会議に採択されたことをお知らせいたします。

「GECCO」は世界中の研究者によって毎年開催される国際会議で、最適化における重要領域である進化計算分野において権威ある国際会議の一つです。この度採択された論文は、2024年7月に開催される「GECCO 2024」にて発表を行います。（オーストラリアのメルボルンにおいて、オフラインとオンラインのハイブリット開催を予定）
なお、AI LabからのGECCOへの論文採択は3年連続となります※2。

■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り組んでいます。
なかでもクリエイティブ領域においては、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とともに、広告クリエイティブ表現全般に関わるAI技術の研究を行うなど、基礎研究から応用研究まで幅広く注力しています。※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を学習するために、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。

■採択された2本の共著論文について

「CatCMA : Stochastic Optimization for Mixed-Category Problems」
著者：濱野椋希（サイバーエージェントAI Lab）、斉藤翔汰（横浜国立大学・株式会社スキルアップNeXt）、野村将寛（サイバーエージェントAI Lab）、内田絢斗（横浜国立大学）、 白川真一（横浜国立大学）

本研究では、対象問題が連続的な変数に加えて、離散的な変数の一種であるカテゴリ変数を含む場合でも効率的に最適化できる手法を提案しました。 カテゴリ変数は複数の選択肢から一つを選ぶような変数のことを指し、例として色の選択（赤/青/緑）やフォントの選択（明朝体/ゴシック体）などが挙げられます。 本手法は当社の提供する「極予測シリーズ」をはじめとした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。 ＜論文リンク＞ https://arxiv.org/abs/2405.09962 ＜解説ブログ＞ https://cyberagent.ai/blog/research/19288/

「CMA-ES for Safe Optimization」
著者：内田絢斗（横浜国立大学）、濱野椋希（サイバーエージェントAI Lab）、野村将寛（サイバーエージェントAI Lab）、斉藤翔汰（横浜国立大学・株式会社スキルアップNeXt）、 白川真一（横浜国立大学）

クリエイティブのユーザーへの配信過程では、フィードバックを反映させてデザインを更新し、最適化を進める必要があります。しかし、新しいクリエイティブにはユーザー満足度を損ねるリスクが伴います。この問題に対処するため、本研究ではリスクを考慮した新たな最適化手法を提案しました。これにより、ユーザー満足度を維持しながら安全にクリエイティブの最適化を行うことが可能になると期待されます。 ＜論文リンク＞ https://arxiv.org/abs/2405.10534 ＜解説ブログ＞ https://cyberagent.ai/blog/research/19352/

■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※5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
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
ー 効率的に離散的および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
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「CVPR 2024」にて4本の論文採択
※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 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

Tweet