[发明专利]一种自适应的智能横幅广告图片生成方法及系统

说明书

本发明公开了一种自适应的智能横幅广告图片生成方法，其特征在于，通过将设计师的经验知识外化，提取出图片配色原理、图文搭配规则、视觉组合结构等设计原理的数据化信息，实现横幅广告图片的素材自动搭配和图片合成的功能，在生成横幅广告图片时，只需输入待合成的产品图片，自动根据产品图片提取出主副标题等文案信息，并根据图片配色，从素材库中选取最佳匹配的背景和修饰元素，最终根据选取的元素确定最终合成版式，完成横幅广告图片的生成。本方法有效减少设计师的低效重复性劳动，缩减了合成横幅广告的成本；在横幅广告尺寸、元素等改变时，能够动态实时地生成所需横幅广告图片，为个性化提供了可能。

技术领域

本发明涉及计算机视觉和数字图像处理领域，特别是涉及一种自适应的智能横幅广告图片生成方法及系统。

背景技术

随着互联网的发展和网络的普及，信息的传播速度越来越快，商家利用各种方式在互联网上对商品进行宣传。其中，横幅广告(Banner Ad.)以其独特的优势得到了广大商家的青睐，横幅广告(Banner Ad.)又称旗帜广告，是网络广告最早采用的形式，也是目前最常见的形式，它是横跨于网页上的矩形公告牌，当用户点击这些横幅的时候，通常可以链接到广告主的网页。同时，人们对它的要求也越来越高，横幅广告不仅要传播信息，还要具有互动性和设计感去吸引更多的点击者。

一方面，在视觉设计领域中，设计师们往往会因为一些简单需求付出相当多的时间，而且完成的横幅广告图片数据基本无法再次复用。比如修改文案内容、设计简单的海报版式、针对不同机型展位的多尺寸拓展等。这些工作包含很多重复劳动，需要耗费大量的时间和人力成本。

另一方面，电商平台流量获取成本日益走高，对已有流量精细化运营并提升流量转化率成了平台运行的重点。平台横幅广告作为流量转化入口，对平台有非常重要的作用。原有的“千人一面”的广告投放策略，已不能满足营销需求。未来，精准营销是大趋势，在大流量背景下，横幅海报资源展位需要展示“千人千面”的效果。这就需要快速生成大量的个性化广告图片。而人工制作效率低成本高，数据复用率低，且平台用户量越大，需要的横幅图片越多，显然人工视觉设计很慢满足实时大量的图片需求。

在图像处理领域，数字图像合成和图像生成技术一直是研究热点。随着人工智能的势头持续高涨，AI在智能视觉设计中的应用受到关注。阿里等知名企业较早对该领域进行了探索和研究。在横幅广告生成方面，阿里巴巴提出发布了“鹿班”智能设计平台。它是通过强化学习、对抗学习及渲染算法和大量数据训练的人工智能设计平台，其设计水平已非常接近普通设计师。该生成方法需要大量的结构化标注数据，而这部分数据采集困难，设计的不确定性也使得数据很难标准化和结构化。其次，通过机器学习获取的横幅广告设计具有很大的不可控性，对于合成效果不佳的横幅广告，很难进行人工干预，将设计师的经验融入其中，容易造成生成的横幅广告效果不稳定等现象。

除了人工智能的方法，还有一些传统的图像合成方法，包括基于α分量的图像合成、基于梯度的图像合成和基于多分辨率模型的图像合成等。这些方法通常是在输入图像中提取感兴趣的物体或区域，通过对该区域的颜色、纹理、亮度、噪声等多方面的调整，使其无缝地融合到新的图像背景中。这些算法对于给定的两幅图有一定的合成效果，但无法对给定的素材和文案自动匹配恰当的版式配色等，在横幅广告生成中的使用仍待进一步研究。

当用户希望的合成区域恰是原图像的前景时，基于α分量的图像合成可以产生真实自然的合成效果。但如果待合成区域只是原图前景的一部分，或者背景与前景在颜色上存在较大的视觉反差，使用该方法会产生明显的边界。基于梯度的图像合成方法能做到在边界和颜色上的无缝合成，而且能最大限度的保留原图像的局部对比度。但如果原图像的纹理模式与目标图像相差太大，该方法也难以消除边界上纹理之间的差异，平滑的前景图像合成到高噪声的背景下也不自然。基于多分辨率模型的图像合成可以使两幅颜色、纹理相差较大的图像上，也能获得较好的合成效果，但其求解过程复杂，运算速度较慢，并且不适用于含有非随机纹理的图像。

发明内容