百度高级认证-AIGC对信息流广告图片创意制作的增益探讨

AIGC对信息流广告图片创意制作的增益探讨 2022-2023百度高级认证 杨琨 01 研究背景 AIGC绘图狂飙突进+信息流图片素材制作的现实困境 CONTENTS 02 目 研究过程 行业需要怎样的工具，AIGC是否是理想工具？AIGC绘图工具的能不能用、好不好用与怎么用 AIGC应用是否还存在不足？ 录03 案例验证 AIGC素材产出的多行业实践案例与经验收获 04 总结与展望 应对AIGC冲击的四大变革——从个体到组织 研究背景 AIGC绘图的狂飙突进 信息流图片素材制作的现实困境 ≈ AI自动生成的内容 AIGC AIGeneratedContent AI自动生成内容的 生产方式 内容自动生成的 AI技术集合 GenerativeAI 爆发前提——数据访问能力、计算资源硬件的提升AIGC爆发三大因素： 1、深度学习领域骨干架构的升级（Transformer的应用）；2、生成内容的算法模型进步（从GAN到扩散模型）； 3、多模态大规模预训练模型的产生； 2022.04DALL-E2.02022.08StableDiffusion 1973年 2014年 2022.07Midjourney 2020年 2022年 首部利用预设编程 进行AIGC绘画的机器人AARON 生成对抗网络GAN模型诞生 去噪扩散模型DDPM诞生 三大主流AIGC绘图工具诞生 JasonAllen引起争议的作品ThéâtreD’opéraSpatial2022年8月 MidjourneyV5模型创作的怀旧风“中国情侣” 2023年3月 -“双效合一”需求与行业痛点 投放目标 指标优化素材产出思路 现实弊端行业痛点长期后果 用户体验恶化团队能力退化设计灵感衰竭工作心态腐蚀 成本飙升创意劣质化素材同质化 素材数量压力过大 抄袭剽窃无脑模仿 全线推进 多创意方向测试 重点突破 优质素材模仿衍生 转化效果好投放起量高 CTR/CVR 持续优化 效率+效果双效合一 -半自动/自动化探索未能有效解决痛点 1、动态商品广告DPA 需有结构化商品资料库 主要价值是实现“千人千面”“生成”图片无法完成 2、程序化素材生成工具 拼接素材质量波动大图片易有拼接感 模板有限同质化难以避免 3、GAN图片生成工具 AI开始介入 基于对商品图片的学习 可提取图片要素进行全自动生成更侧重“模仿”而非“创造”“生成”能力先天不足 研究过程 行业需要怎样的工具，AIGC是否是理想工具？ AIGC绘图工具的能不能用、好不好用与怎么用 AIGC是否还存在不足？ 成本合理 前 提 操作便捷 速度快 效 率 产量大 创意丰富 效果 精准可控 -满足需求/解决痛点的理想工具畅想 行业痛点理想工具应具备的能力 投放目标指标优化素材产出思路 成本飙升创意劣质化素材同质化 全线推进 多创意方向测试 重点突破 优质素材模仿衍生 转化效果好投放起量高 CTR/CVR 持续优化 效率+效果双效合一 -现有成熟AIGC工具的可行性前提 StableDiffusion Midjourney DALL-E 成本 免费开源 付费（每月10-60美金） 不对中国用户开放注册 部署 云端部署/本地化部署/本机安装 云端使用（需翻墙） 安全性 本地数据安全性和隐私性保证 若非最高级付费等级作图指令和生成图像均暴露在公共频道 扩展性 扩展插件和模型丰富 无 版权 使用自己GPU则拥有版权 商用版权仅针对付费用户开放 功能 文生图、图生图 文生图（图生图控制力差） 图片质量 上手有一定难度质量波动较大，与使用者熟练度相关 上手简单艺术风格浓重，质量高 适合场景 大团队共享化、批量化、定制化使用 个人或小团队创意探索、风格探索、艺术风格尝试 使用建议 以正合：常规出图，数量保证 以奇胜：创意脑暴，前沿实验 本页结论仅适用于当下 -SD&MJ满足效率需求的降本增效 512×768分辨率 RTX4090显卡速度1.37秒每张 降本 增效 SDDynamicPrompts插件 MJ随机出图命令和排列命令 整体重绘法（外绘） 局部重绘法（内绘） 使用门槛低 精准控制需持续付出时间精力 基准数量 AIGC使用不熟练 AIGC使用熟练 AIGC熟练人员集中产� 不同情况下的素材产出数量比对 -SD&MJ满足效果需求的收放自如 放 MJ-可创作数千种不 同的画作/艺术风格 SD-大模型和小模型 （LoRA）的自由搭配组合 人物的高自由度 增加模特选择，规避法律风险，降低实拍成本，打造专属模特 -SD&MJ满足效果需求的收放自如 收 不同工具存在提示语规则和习惯差异 提示语内核殊途同归，“模块化”描述画面元素是根本 AIGC绘图提示语撰写的SSSP模式：(Subject)+场景(Scene)+风格(Style)+参数(Parameter) -SD&MJ满足效果需求的收放自如 SD-控制重绘幅度的外绘与锁定种子 MJ-垫图与锁定种子 收放自如 SD-LoRA/ControlNet 功能插件的强大应用 局部内绘 风格更换 主体更换(表情姿态不变) 主体局部更换 场景更换 最高形态—自训LoRA -AIGC是目前最接近“理想状态”的工具 素材产出思路 行业痛点 理想工具的能力 AIGC绘图工具已具备能力 前成本合理 提 部署方便免费使用 图片可商用 落地可用 全线推进 多创意方向测试 重点突破 优质素材模仿衍生 成本飙升创意劣质化 操作便捷 效速度快 率 提示语控制快速出图 整体/局部重绘 降本增效 素材同质化 产量大 批量出图程序化出图 效创意丰富 果 精准可控 风格/主体多样提示语优化可控幅度外绘 模型搭配组合 LoRA/ControlNet功能强化 局部内绘 风格/主体/场景切换 收放自如 LoRA自训 -AIGC绘图工具的力所不逮与使用甜区 大字报类素材是目前生成AI的能力盲点 商品准确性要求高且海量SKU的素材（GAN更适合） 带有特定IP的素材 -AIGC绘图工具的力所不逮与使用甜区 主体自训模型 高 探索 大字报 评判标准：主体开放性与风格开放性高低 SD&MJ的绘图舒适区与不适区 GAN工具的有效补充 娱乐工具(IP) 旅游 住宿婚恋 电商 平台特 AI GAN 定 格 绘 游戏 风 汽车图 开 平台舒 适 放区 性汽车 厂商 多模型插件叠加 探索 日化美妆 奢侈品 网服小说 工具阅读 娱乐工具 直播(非IP) 社交 生成式AI绘图舒适区 （Midjourney 婚纱/StableDiffusion等） 摄影 风格自训模型 探索 美容美体 低主体开放性高 案例验证 AIGC素材产出的多行业实践案例与经验收获 -小说行业素材的小试牛刀 多使用才会催动能力进化 AIGC素材打平人工素材表现就是阶段性成功 前期一次性学习成本的投入不可忽视 -真人模特需求应对的如鱼得水 模拟真人图片是AIGC绘图工具的擅长点 虚拟专属AI模特的可持续使用 结合客户优质模特自训LoRA的大展身手 -在多个行业的应用尝试 -挑战新课题/研究新方法/解决新问题/总结新经验的上升螺旋 抠图+生成1.0 ControlNet应用2.0 自训LoRA+插件叠加使用3.0 总结与展望 从个体到组织，应对AIGC冲击的四大变革 双钻石模型重心调整 素材理解描述模块化 三大学习能力 效率与成本极致的架构 尖兵设置重要性 资深设计师的AI赋能 AIGC冲击 加速AIGC赋能创意测试数据反馈闭环与核心资源方深度合作 麦肯锡报告的四大类能力工程师+艺术评论家+项目经理角色结合 -双钻石模型重心调整+模块化+学习能力 素材 需沟通确定 承 求学习问题 接 优质 制作测试素 产 素材迭代材 生 工作流程中涉及信息流图片素材的需求描述与创意理解更加规范化和模块化 洞察聚焦构思实现 AIGC辅助 素优 材 材质 前沿感知 需沟通确定 承 求学习问题 接 制作测试素 素材迭代产生 快速学习 知识累积 洞察聚焦构思实现 -触类旁通与探索总结的案例 左图：portraitofacharmingandelegantancientChineselady,hairflower,hairornament,jewelry,longhair,smile,lookingatviewer,necklace,earrings,ultra-detailded,TraditionalChineseMeticulousPainting,pastelcolor,purebackground,8k,bestquality 右图：Chinesepaintingofnoblemaid,solo,chineseelaborate-stylepainting,lightbrown 左图：playingGuqin 右图：playingChineseinstrument -尖兵设置与资深设计师的AI赋能 增设专职岗位—主帅、军师、骨干与辅助 分类素材集中处理集聚经验 AIGC对资深设计师的赋能 从“平面设计师”到“营销设计师” 一专多能能否实现？ -工程师+艺术评论家+项目经理角色结合 理解系统使用和模型特点 PromptEngineering的思路 侧重视觉表现的美术和影视专业知识体系 英文阅读理解能力 整合资源、沟通协调、计 划组织 调整-从专一领域营销服务商到AIGC整合营销服务商 加速AIGC赋能创意测试与数据反馈闭环与核心资源方深度合作 普及深化AIGC素材产出能力 覆盖更多行业和素材类型 快速应用、快速积累经验、快速更新迭代 先人一步，抢占AIGC素材制作能力高地 发扬设计创意调整与投放数据反馈顺畅对接的优势 AIGC素材分模块控制，大量产出A/B测试 数据系统及时直观反馈分析，帮助素材快速优化迭代 AIGC大模型研发方、AIGC工具平台研发方 收集客户解决痛点的具体期待 在核心资源方与客户间搭建起AIGC落地细化执行的便捷桥梁 插件工具开发能力和小模型调优 -三句寄语 对待大趋势 世界潮流，浩浩荡荡，顺之则昌，逆之则亡。 ——孙中山 对待旧模式 沉舟侧畔千帆过，病树前头万木春。 ——刘禹锡 对待新工具 躬身入局，挺膺负责，方有成事之可冀。 ——曾国藩 谢谢观看! THANKSFOR WATCHING