R^3フレームワークは、グループ相対的経験とカリキュラム強化学習により、広告コンプライアンスとセマンティック意図を調和させる

研究者らは、動画広告内のテキスト違反を是正しつつ、広告主の元のセマンティック意図を保持するために設計された新規フレームワークであるR^3を提案する。本システムは、テキスト認識、書き換え、再レンダリングを統合することで、産業規模での手動是正の課題に対処し、産業導入を実現する。

• グループ相対的コンプライアンス経験抽出器により高品質な教師信号を起動する、経験駆動型データ合成フレームワーク。
• 階層的報酬を持つカリキュラム強化学習戦略が、セマンティック一貫性を最大化しつつコンプライアンスを強制する。
• テキスト認識、書き換え、再レンダリングをシームレスに統合する包括的な動画是正機能。

産業用データセットおよびオンラインA/Bテストにおける広範な実験により、R^3が最先端のベースラインを大幅に上回り、違反是正と意図保持の最適なトレードオフを実現することが示された。