Pinterest 正在试验一项名为 “auto-collages” 的 AI 功能,该功能可以帮助广告主迅速将其产品目录转化为可购物的拼贴图,Pinterest 本周宣布。
该新功能旨在帮助广告主更便捷地接触消费者,同时节省时间和创意资源,Pinterest 表示。
公司指出,拼贴图是 Z 世代用户中最受欢迎且互动性最强的内容形式之一,该平台上已创建了上千万个拼贴图。在早期测试中,Pinterest 发现,用户保存自动拼贴图的比率是标准产品 Pin 的两倍。
自动拼贴图通过将产品图片依据搭配建议、用户互动、相似产品以及用户保存等因素组合成可购物的视觉内容来实现。例如,该功能可能会根据已有的造型,将构成时尚搭配的服装聚集在一起;又或者,它会生成一幅与那些获得强烈用户互动的现有拼贴图风格相似的新拼贴图。
此外,该功能可能会选择相似产品并将它们组合成一幅拼贴图。在另一种情形下,自动拼贴图可能生成一幅包含与用户在收藏板上保存的产品相似的商品拼贴图。
Pinterest 广告营销及运营副总裁 Julie Towns 在公告中表示: “auto-collage 源自去年启动的 Pinterest Ads Labs 项目,在该项目中我们不断创新生成式 AI 产品,以助力品牌始终走在潮流前沿。自动拼贴图工具是一项激动人心的飞跃,通过 AI 技术即时将品牌的产品目录转变为能引起 Z 世代乃至更广泛用户共鸣的新式创意。”
此外,Pinterest 还宣布将更新其 “Trends” 工具,以帮助广告主更好地了解和预测用户接下来可能购买的产品。更新后的工具将利用对用户保存、策划和购物行为的洞察。
好文章,需要你的鼓励
DDN推出Infinia对象存储系统,采用键值存储架构和Beta Epsilon树数据结构,实现读写性能平衡。系统在对象列表性能上比AWS快100倍,延迟降至毫秒级,支持多租户和SLA管理。通过与英伟达合作优化RAG管道,在AWS上实现22倍性能提升并降低60%成本。
大连理工大学和浙江大学研究团队提出MoR(Mixture of Reasoning)方法,通过将多种推理策略嵌入AI模型参数中,让AI能自主选择最适合的思考方式,无需人工设计专门提示词。该方法包含思维生成和数据集构建两阶段,实验显示MoR150模型性能显著提升,比基线模型提高2.2%-13.5%,为AI推理能力发展开辟新路径。
Alpine Linux核心开发者Ariadne Conill推出了Wayback项目,这是一个实验性的X兼容层,允许使用Wayland组件运行完整的X桌面环境。该项目本质上是一个提供足够Wayland功能来托管rootful Xwayland服务器的存根合成器。与现有的XWayland不同,Wayback旨在创建一个类似X11风格的基于Wayland的显示服务器,让用户能够继续使用传统的X11窗口管理器和桌面环境,而无需重写或替换这些熟悉的工具。
剑桥大学研究团队开发了FreNBRDF技术,通过引入频率修正机制显著提升了计算机材质建模的精度。该技术采用球面谐波分析提取材质频率信息,结合自动编码器架构实现高质量材质重建与编辑。实验表明,FreNBRDF在多项指标上超越现有方法,特别在频率一致性方面改善近30倍,为游戏开发、影视制作、电商预览等领域提供了重要技术支撑。