腾讯广告的多媒体AI技术实战

01 引言

网络广告是腾讯公司重要的商业模式之一，在广告收入持续提高的同时，对广告基础技术也提出了新的要求。面对复杂的广告商业生态，保障广告安全、完善广告形态、提升用户体验、提高广告收入，成为所有腾讯广告人必须要思考的问题。

一条完整的广告链路包含的模块非常多，通常会有投放、定向、检索、粗排、精排、播放等等，每一个模块对于多媒体AI技术都有不同的需求。在此背景下，团队系统性地研发了广告多媒体AI技术平台，为整个广告链路提供完善的、精准的、高效的广告多媒体AI技术。当前，该平台已经成为腾讯广告的基础AI建设，有力保障了腾讯广告的持续稳健发展。

本文将系统介绍腾讯广告多媒体AI技术的实际应用，涵盖智能广告创作、精细广告理解、相似广告检索、智能广告审核等。

02 智能广告创作

2.1 业务背景

视频广告数量增长趋势明显，引发对视频创作诉求的激增。针对广告投放门槛高，视频制作成本大，视频跑量周期短等实际业务问题，腾讯广告多媒体AI中心打造出智能创作引擎，助力视频产能提升，解决行业客户痛点，推动腾讯广告视频化进程。

2.2 智能创作引擎

经过多年技术沉淀，腾讯广告智能创作引擎实现多项自动化视频创作能力，支撑多达10+项产品形态，日均生产十万级别视频广告。引擎持续打磨智能生成、渲染合成、质量控制、元素库四方面能力。

智能生成：包含多达几十项基础算法能力，涉及多模态视频标签、视频时序解析、视频封面图生成等原子算法能力。

渲染合成：依赖CPU和GPU双集群渲染，支持前端实时预览及批量化生成。具备模板视频工程化设计、特效定制支持、稳定分布式高性能渲染等能力。

质量控制：系统规则、AI算法、人工运营有机结合，全链路保障视频质量。

元素库：积累视频元素数万个，包含视频模板、音乐、特效、贴纸、节日元素等。

[图1] 创作引擎能力矩阵

2.3 典型技术解析

视频尺寸变换，降低投放门槛

针对腾讯广告流量特性，我们基于视频人像分割提取人物，视频OCR/ASR提取字幕，构建出一键视频智能拓展能力，实现3分钟自动化视频多规格拓展。此外，我们也实现了分镜联播、百叶窗、利益点填充等多达16种视频转尺寸方案，支持全规格互转。

[图2] 视频尺寸变换示例

图片衍生视频，提升制作能力

针对单图片生成视频场景，我们基于单目深度预估，图像填充等能力建设了单图3D微动能力，让图里的元素“动起来”，提升广告投放效果。此外，我们也实现了多图音乐卡点混剪，针对节假日匹配节日模板等方案，建设批量化视频生成能力。

[图3] 图片衍生视频示例

视频派生视频，延长跑量周期

我们创新提出视频广告时序解析算法，结构化视频广告叙事框架，并识别每个视频片段四个维度的标签，将视频广告理解能力从整体粒度升维至时序粒度。实现镜头混剪，视频时长变换，视频强化，跑量素材混剪等多种能力。视频生成视频效率得到指数级提升。

[图4] 视频派生视频示例

03 精细广告理解

3.1 业务背景

计算广告的本质在于以合理的价格，将合适的广告推给适合的人。因此对广告的内容理解至关重要，内容理解越精细，推荐才能越精准。同时随着视频广告/多媒体广告的日益增多，对广告内容理解技术也提出了更高的要求。

3.2 系统架构

结合广告的内容特点，我们逐步构建了一套广告精细化语义理解系统，从底层的数据到上层的各种语义理解算法能力，最终支撑服务于广告推荐、广告创意、广告审核等业务。具体来说，因为广告的本质是在推广or售卖一种物品，所以我们的系统主要从以下几个层面对广告进行精细化理解：

（1）广告商品理解：通过分行业的商品体系建设&理解，理解广告在卖什么；

（2）创意素材理解：通过对创意素材内容的多维度解析，理解广告怎么卖的。

[图5] 广告语义理解系统

3.3 技术解析

3.3.1 广告商品理解

广告商品理解本质上描述广告所售卖的核心商品信息。在商品理解中，通常需要考虑2个问题：1. 体系如何构建并持续完善：不同行业对商品的定义是不同的，如电商行业主要通过类目、产品、品牌、属性等标签去描述广告商品，教育行业主要通过类目、阶段、课程、集团等标签去描述广告商品，同时这些标签体系也不是一成不变的。因此如何构建并持续维护一个商品标签知识图谱体系对商品理解至关重要。2. 算法如何高效迭代：由于全行业的商品标签体系非常庞大&复杂，采用有监督学习的话对训练数据的标注需求非常大，而广告业务中存在大量的无标注数据，如何有效利用这些无标注数据快速提升商品理解的效率&效果非常关键。

在实际业务中，我们主要通过商品知识图谱构建以及大规模预训练模型解决上面提到的两个问题：

（1）商品知识图谱构建：通过在机器自动挖掘清洗的基础上，引入各行业专家进行人工定义修正的方式最终构建起整个商品标签图谱体系并持续完善；

（2）大规模预训练模型：我们构建了一个适合广告数据场景的，兼容单模态/多模态/跨模态缺失or不匹配的大规模预训练模型，基于预训练模型在下游任务上进行迁移学习，在下游的商品类目分类、产品/品牌识别、属性抽取等任务中实现了采用更少的标注数据取得了更好的效果。

[图6] 广告商品理解示例

3.3.2 创意素材理解

创意素材本质上描述了广告主期望通过什么样的创意素材内容去吸引打动用户从而产生转化行为。因此创意素材都是广告主经过精心设计制作的精华所在，其蕴含着巨大的信息量。我们主要从如下两个方面对创意素材进行精细化的解析和理解：

（1）多维度/多模态理解：我们将创意素材划分为几个大的维度进行全方位的理解，包括基础属性维度(如尺寸、时长、镜头数、清晰度)、视频叙事维度（如呈现形式、叙事手法、场景、风格）、视频元素维度（如人物、道具、音乐、营销卖点）等。同时在每一个具体维度的标签理解上，由于其关键信息可以来源于创意素材的视觉画面、背景音乐、角色对话、广告标题等，本身也是个多模态的理解。

[图7] 创意素材理解体系

（2）时序化/元素化理解：由于视频广告通常希望在很短的时间内驱动用户产生转化行为，通常其创意素材内容节奏变化、信息变化非常快，因此我们建设了一套视频时序化/元素化理解能力，以精细到视频分镜头/分场景打标、视频分段时空定位打标。基于此能力，我们可以提供给广告主创意分析的产品能力，辅助分析定位具体是由于广告中哪一秒哪一个位置出现了什么元素从而带来了更好的投放效果，以此指导广告主后续的创意制作。

[图8] 创意素材时序理解示例

04 相似广告检索

4.1 业务背景

广告相似检索最核心的问题是判断两条广告是否相似，并对上亿级别的腾讯广告进行合理地聚类及去重。其在广告系统各个模块中，对于提高推荐效果、提升用户体验、简化运营分析，起着越来越重要的作用。在推荐效果方面，相似检索可有效降低大量雷同广告的存在对推荐效果带来的诸多负面影响，因为过多雷同广告的存在，会导致广告内卷式竞争生态，造成大盘分配效率下降、冷启动速度慢、广告空耗严重、跑量不稳定等负面影响。在用户体验方面，确保用户曝光队列中广告多样性，使得用户短时间内不会在某个使用场景中重复看到多条相似广告，将有效提升体验，降低广告负反馈率。在运营分析方面，通过聚合相似广告的投放消耗数据，一方面可提高数据分析精度和效率，另一方面可以实现爆款素材的自动发掘，极大地降低人工成本。由此可见广告相似检索的重要性。

[图9] 相似广告检索示例图

4.2 系统功能

广告通常由多条广告创意组成，每条广告创意又通过不同的广告元素（文案、图片、视频）组合而成。目前我们的相似广告检索系统已支持包括广告指纹、创意指纹以及元素指纹在内的不同粒度的指纹生成，支持千万级广告素材和亿级广告图片/视频元素的检索。具体的包括：以图搜图/视频，输入图片在广告素材库等数据中检索相似图片或包含相似帧的视频；视频搜视频，输入视频在广告素材库等数据中检索相似视频；素材搜素材，输入包含视频/图片/文案的广告素材检索相似的广告素材等等。

[图10] 相似广告检索系统指纹

4.3 技术解析

[图11] 相似检索系统架构

广告相似检索系统整体流程包括三个主要模块：Embedding抽取、相似检索、多模态排序。可以方便支持多种不同应用，包括元素指纹/素材指纹/广告指纹、商品检索、文本/图片/视频检索等；

模块一：Embedding抽取：对于每条素材中的不同元素调用相应的Embedding模型，系统中增加Embedding缓存，避免相同元素重复抽取。其中的文本、图像和视频Embedding算法是基于最新CNN/Transformer视觉及NLP预训练模型，联合深度度量学习损失函数额外训练FC层得到，在训练过程中改进了数据处理模块，实现离线和在线数据挖掘、在线数据增强等功能，并在广告相关数据集上进行多次试验与调优；

模块二：多模态相似检索：文本、图片、视频Embedding分别调用对应的检索库返回TopN。根据不同的业务需求，可以进行适配（例如仅用图片Embedding进行相似检索）；

模块三：多模态排序：综合各模态返回的topN结果，进行素材粒度的Embedding计算排序，返回最终的top_k相似素材。同时可以根据不同业务需求，定制开发多种逻辑策略（例如分行业不同标准判断相似、元素粒度精细过滤/排序等），方便扩展。

基于上述相似检索系统，我们实现了包括元素指纹、创意指纹以及广告指纹在内的不同粒度的指纹生成，以应对不同的业务需求。

元素指纹：用于将相似的文案/图片/视频元素打上相同的指纹，目前主要包括基于聚类的元素指纹以及基于Hash的元素指纹两种。其中基于聚类的元素指纹直接采用上述元素Embedding，通过聚类算法对元素特征进行相似聚类，同一个聚类内打上相同的元素指纹，生成的指纹准确率很高，但是指纹之间无直接的可比性；因为，为了实现指纹之间的相似可比性，我们基于元素Embedding特征，使用自研的Bitselect的方法进行Hash指纹生成，从而支持不同业务对不同相似层级元素的快速检索；

创意指纹：用于将相似的广告创意打上相同的指纹，当两条创意所含图片、视频数量相同，图像、视频分别相似，即可将两条创意判定为相似，在指纹生成过程中，我们通过综合创意中各元素Embedding得到创意粒度Embedding，并同样经过聚类算法对创意特征进行相似聚类，同一个聚类内打上相同的元素指纹；

广告指纹：用于将相似的广告打上相同的指纹，一条广告会包含至少一条创意，两条广告是否相似（同指纹）是基于创意是否相似来进行判断，当广告中创意数量相同，且两条广告中的所包含的创意指纹相同，则给这两条广告打上相同的指纹。

4.4 业务效果

相似检索系统已应用于腾讯广告推荐全链路。投放阶段，基于相似指纹进行投前诊断，投放更加多样性广告素材提升用户体验。审核阶段，基于相似图片/视频检索，对不合格的相似图片/视频进行快速下架。推荐阶段，指纹作为广告侧特征保证模型预估的稳定性；同时保证曝光广告的新鲜度等。

05 智能广告审核

5.1 业务背景

广告审核是广告商业变现的前提，也为公司的广告生态保驾护航。我们建立了一套安全、精准、高效的广告智能化审核平台，将以往的"人工审核"这种低效的方式，进化到“机器主导+人工配合”的高效方式，实现广告审核的智能化。

5.2 系统架构

结合广告审核的特性，例如违规点众多、素材重复度高、违规点具有时间相似性等等，构建自动判别、相似复用、负向检测、规则引擎等4大类能力。

（1）自动判别：针对一些长期稳定的样式（包括合规广告&违规广告），训练多模态自动通过/拒绝模型，用于处理AI违规点能力无法覆盖的素材；

（2）相似复用：广告主为了降低素材制作成本，通常会重复使用广告元素（如视频 or 图片等）构建广告进行投放。通过构建相似复用能力，能够以较低的相似检索成本来实现素材的精准审核；

（3）负向检测：主要应用于高频违规点检测，例如违规词识别、素材模糊、涉暴涉恐等；

（4）规则引擎：由于不同的流量，不同的行业对于审核规则都有差异，因此为了提高能力的通用性，在基础能力基础上构建了规则引擎，以适配业务需求。

智能广告审核系统可支持各类广告元素的审核，包括图片、文案、视频、落地页、广告主账户等的审核。

5.3 技术解析

（1）多模态自动判别技术解析：

广告审核的数据复杂而多样，在元素形态上可分为文本、图片、文本和落地页四种类型。我们将这四种类型进行归纳和拆解为视频、音频、图像和文字四种基础模态，采用多模态多标签分类的思想来进行自动审核判别模型的建模。

[图12] 广告审核违规点示例

整个算法pipeline划分为模态特征提取、模态内特征融合、多模态间特征融合以及多标签分类四个模块。首先，我们使用构建的多模态模型库提取视频、音频、图像和文字不同模态各自的特征表征，然后在各个模态内部进行特征的融合，如视频帧间特征融合的操作；再融合不同模态特征之间的特征对广告进行一个丰富的特征表征，最后输出通过/拒绝二分类标签和1000+细粒度违规点。

[图13] 多模态模型pipeline

相比于单模态的分类任务，多模态分类任务面对的一个很大挑战是不同模态数据之间差异较大，如何保障模型的一致性和网络收敛性是需要重点考虑和突破的一个点。我们首先按照广告元素间的关联性，将其划分为3个子模块能力来针对性建模优化，第一个是视频自动判别模型，它包含视频图像、视频音频和视频OCR三种元素；第二个是图文自动判别模型，它包含广告图片、图片OCR和广告文案三种元素；第三个是落地页自动判别模型，它包含落地页图片、落地页图片OCR和落地页文案三种元素；同时，针对模型网络的训练采用一系列优化策略和网络设计，包括不同模态分阶段训练、模态间dropout、不同模态独立优化器、独立损失函数与联合损失函数相结合等等。

（2）负向检测技术解析：

在广告审核场景中，违规点数量多而杂，仅算高频违规点就多达数百个，如何高效且快速地实现机器自动审核是个巨大的挑战。针对这个难题，团队主要从两个方面入手，首先针对Top违规点，独立建模，累积开发了60多个负向违规点审核能力；其次针对重要关键的能力，例如OCR、人脸技术等，团队重点攻关、全面研发，始终保持技术行业领先。

[图14] 负向检测技术点

（3）广告OCR技术：

广告场景中的文字识别相比于文档图像识别和自然场景识别来说有更大的挑战，例如文字版面排布复杂，尺度变化大，存在大量形近字、艺术字、低分辨率文字，速度要求高等。针对这些难题，团队重点攻关，针对性地研发了文本检测、文本识别算法，并且在实际业务场景中落地，取得显著的效果，关键技术点如下：

①针对广告素材中文字方向任意排布、尺度变化大且文本长度较长的问题，团队研发了基于实例分割的文本检测算法，该算法支持任意方向的文本检测定位，有效解决了多尺度、形态各异文本的检测；

②针对广告场景中广泛存在的文字不规则弯曲排布的问题，团队研发了基于分割+多段并行TPS的不规则文本矫正算法，适用于大弧度的弯曲和大幅度的透视变换，能够较好地识别不规则文本；

③针对广告场景字符类别多，存在形近字、艺术字和低分辨率文字的识别难题，团队研发了基于联结时序分类的高精度识别算法，通过CNN+LSTM+CTC+语言模型的架构设计识别复杂多变的广告文字；

④针对广告场景文字识别速度要求高，不同场景所需识别字符侧重点不同的问题，团队研发了多语言、手写体识别和动态字典裁剪等策略，拓展模型能力的同时加速40%+，支持水平、垂直双路识别。

[图15] 检测网络结构

[图16] 识别网络结构

（4）多功能广告人脸技术：

为了满足广告场景中的人脸识别需求，团队通过自研多项人脸相关算法，构建了FaceChart多功能人脸识别系统，该系统涵盖人脸检测、人脸关键点定位、人脸时间和空间信息、人脸特征提取、人物识别、人脸属性识别（年龄、性别、表情）等10项功能，功能全，精度高。关键技术点如下：

①针对广告审核场景中人脸识别规模大、精度要求高的难题，团队自主研发了Cosface算法（谷歌引用量900+）和李代数人脸识别算法（ICML 2021，全面超越Cosface），取得了业界领先的人脸识别精度；

②针对大规模视频中，人脸检测易漏检、误检，且计算量大的问题，团队开创性地提出了基于视频的人脸检测算法，通过关键人脸学习、视频帧间连续性、跳帧等一系列技术，在大规模视频中，同时解决了高精度、高速度人脸检测问题；

③为了更近一步提升人脸识别的速度，团队研发了分块图并行算法(Segmented Graph Parallel, SGP)，将数据下载、转码、视频解帧、模型计算等全部进行并行计算，显著减少计算时耗。

[图17] FaceChart流程图

5.4 业务效果

广告智能审核系统集安全、精准、高效为一体，机审质检合格率超98%，同时为腾讯广告节约人力超400人。智能审核系统有效提升了广告主投放效率，把控了平台的广告风险，也为用户带来良好的广告体验。

06 广告多媒体AI团队介绍

腾讯广告多媒体AI技术团队聚焦腾讯广告场景，负责多媒体内容的分析、理解、编辑、生成、安全等全链路前沿AI技术研发，持续推进腾讯广告智能化进程。当前团队已经构建了较为完善的多媒体AI能力矩阵，并在此基础上搭建了广告智能创作引擎、广告智能审核平台、广告多模态理解系统、广告相似检索系统，这些都已经成为腾讯广告基建中不可或缺的组成部分。

团队在第16届国际文档分析与识别（ICDAR2021）竞赛中，以绝对领先优势包揽了视频文字识别赛道的全部三项冠军。这也是团队继2017,2019之后的第三次参赛，在连续的三届比赛，共获得了14项冠军。同时，团队联合腾讯AMS广告业务团队，在国际多媒体领域顶会ACM Multimedia 2021举办腾讯广告算法大赛，首次提出了广告视频领域的时序解析任务，吸引了上千家高校和企事业单位的超4000余位选手报名参赛，获得了良好的反响。截止当前，团队成员在机器学习、计算机视觉、数据挖掘等顶级会议和期刊上发表论文50余篇。

团队长期招聘CV、CG、NLP等方向的优秀同学加入（正式员工、实习生）。

岗位1：计算机视觉算法研究员

投递简历： TEG_DATA@tencent.com

岗位职责：

（1）负责计算机视觉相关技术研究，包括视频/图像的处理、分析、理解，研究内容包括但不限于视频标签提取、目标跟踪、物体检测、文字识别、人脸识别、3D重建等；

（2）结合互联网广告场景，推动计算机视觉算法和深度学习技术的优化与整体解决方案落地；

（3）提出和优化最前沿的算法，保持算法在工业界和学术界的领先。

岗位要求：

（1）图像处理/机器学习/模式识别/人工智能/计算机等相关专业硕士以上学历，5年以上工作经验；

（2）在图像处理、算机视觉、深度学习方面有扎实研究基础，熟悉主流模型和算法，掌握领域内的最新技术进展，能够跟进和实现新的算法能力；

（3）较强的工程实现能力，熟练掌握C/C++, JAVA,Python等至少一种语言，熟悉OpenCV等基础库，熟练使用至少一种深度学习框架（如caffe，tensorflow，pytorch等）；

（4）有互联网行业大规模项目(图像/视频检索，图像/视频标签识别，视频内容理解等)实践经验；

（5）有较强的学术比赛经验、或者在重要数据集的Leaderboard上排名靠前、或在开源社区有较大影响力等优先；

（6）有高质量论文发表者优先（如CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR等）；

（7）有互联网广告图像理解方面行业相关知识背景者优先；

（8）具备激情，好学，良好的团队合作和沟通能力。

岗位2：计算机图形算法研究员

投递简历： TEG_DATA@tencent.com

岗位职责：

（1）为视频特效创意玩法提供图形图像算法上的支持，将前沿算法的最新成果在业务场景落地；

（2）参与数字人的算法研发，支持3D数字人表情驱动、动作迁移等图像图形的相关技术；

（3）熟悉计算机图形学原理与常见图形渲染管线API，能自主完成图像的渲染工作，并且紧跟图形算法/渲染相关前沿技术，推进图形算法/渲染技术升级。

岗位要求：

（1）扎实的计算机视觉与图形学功底，熟悉渲染、几何重建与处理、图像视频处理与生成、物理模拟中的至少一个方向，有使用深度学习从事上述方向研发的经验者有加分；

（2）熟练掌握至少一种编程或脚本语言，如C++，Python，C#等，熟悉 GPU 编程模型和编程管线；熟练掌握一门以上的图形编程接口API (DirectX/OpenGL(ES)/Metal/Vulkan)；

（3）有过图形项目实践经验者优先；

（4）有发表过计算机图形学会议或者期刊论文（如SIGGRAPH、TOG）者优先；

（5）有前沿渲染算法（实时光线追踪、多光源算法）经验者优先；

（6）熟悉 UE 或者Unity3D 等渲染引擎使用开发者优先；

（7）在图形图像处理上有扎实研究基础，拥有前沿的技术敏感度，掌握领域内主流的算法，并且能结合业务提出可靠的解决方案；

（8）有较强的工程落地能力者优先。

岗位3：NLP算法研究员

投递简历： TEG_DATA@tencent.com

岗位职责：

（1）负责自然语言处理相关技术研究，方向包括语义理解、信息提取、文本生成，文本检索；

（2）跟进自然语言处理业界最新进展，负责相关技术的研发与工程实现，加速前沿AI技术在业务场景（尤其是广告领域）的落地与优化。

岗位要求：

（1）NLP等相关专业硕士、博士，博士优先；

（2）在NLP方面有一定研究经验，熟悉主流模型和算法，关注领域内的最新进展，能够跟进和实现新的算法能力；

（3）有高质量论文发表（如ACL、EMNLP、AAAI、IJCAI、WWW、KDD、SIGIR等）；

（4）较强的工程实现能力，熟练掌握Python、C/C++、JAVA等至少一种语言，熟练使用至少一种深度学习框架（如tensorflow，pytorch等）；

（5）参与过自然语言处理或搜索相关方向的科研或工程项目者优先；

（6）有较强的学术比赛经验、在重要数据集的Leaderboard上排名靠前、或在开源社区有较大影响力等优先；

（7）具备激情，好学，良好的团队合作和沟通能力；

（8）工作地为深圳或者北京。

扫码关注“腾讯广告算法大赛”公众号，获取更多资讯

腾讯广告的多媒体AI技术实战相关推荐

围棋 android 开源,腾讯正式开源围棋AI技术PhoenixGo
PingWest 品玩 5 月 11 日消息,微信团队研发的 PhoenixGo 正式开源,这也是国内第一个开源的围棋 AI 项目.PhoenixGo 是腾讯微信翻译团队开发的人工智能围棋程序,旨在学 ...
腾讯云CDB的AI技术实践：CDBTune
欢迎大家前往腾讯云+社区,获取更多腾讯海量技术实践干货哦~ 作者:邢家树,高级工程师,目前就职于腾讯TEG基础架构部数据库团队.腾讯数据库技术团队维护MySQL内核分支TXSQL,100%兼容原生My ...
腾讯提出共享 AI，抢先布局游戏与多媒体 AI，首秀同声传译
欢迎大家前往腾讯云社区,获取更多腾讯海量技术实践干货哦~ 作者:腾讯AI实验室导语:感谢阅读腾讯AI Lab微信号第12篇文章.在昨日举办的腾讯2017全球合作伙伴大会上,腾讯AI Lab披露了AI ...
最强战队出炉，2020腾讯广告算法大赛圆满落幕
8月3日,2020腾讯广告算法大赛决赛在深圳腾讯滨海大厦顺利举行. 十强战队集结腾讯,花式解密"逆算"难题. 腾讯广告副总裁蒋杰.微众银行首席AI官杨强.科大讯飞副总裁刘鹏.腾讯数 ...
腾讯安全发布首部AI反病毒引擎白皮书：TRP-AI引擎打破传统反病毒困局
作为对抗网络病毒的核心技术,反病毒引擎的迭代升级一直备受行业关注,如何显著提升反病毒引擎的拦截效率也成为所有安全厂商不停探索的问题.昨天(2月8日),基于腾讯安全联合实验室旗下反诈骗实验室的研究,腾讯 ...
倒计时6天｜2020腾讯广告犀牛鸟计划申请即将截止，错过再等一年！
由腾讯广告与腾讯高校合作联合发起的**"2020腾讯广告犀牛鸟专项研究计划"于2020年6月2日正式开启.腾讯广告犀牛鸟专项研究计划是腾讯犀牛鸟产学合作计划的重要项目之一.该项目面 ...
腾讯广告犀牛鸟专项研究计划即日启动，开启2020新征程
由腾讯广告与腾讯高校合作联合发起的"2020腾讯广告犀牛鸟专项研究计划"即日正式开启.腾讯广告犀牛鸟专项研究计划是腾讯犀牛鸟产学合作计划的重要项目之一.该项目面向全球高校全职学者或 ...
为用户隐私保驾护航，腾讯广告给出“数据安全典型实践案例”！
近日,"2020数据安全高峰论坛"在重庆召开,为促进我国数据要素市场健康有序发展.提升全社会对数据安全和个人信息保护意识,中国网络空间安全协会与重庆市委网信办共同发布了2020年数 ...
视频教程-AI基础实战视频课程（海报书籍、多媒体设计、UI界面设计）-其他
AI基础实战视频课程(海报书籍.多媒体设计.UI界面设计) 杨老师课堂由杨亦涛主讲,他是网站工程师和UI设计讲师,10年网站开发与教学经验,上百个网站项目成功案例.精通php.JavaScript.C ...

腾讯广告的多媒体AI技术实战

腾讯广告的多媒体AI技术实战相关推荐

最新文章

热门文章