CTR提升17%：Adobe多模态搜索技术深度解析

传统的搜索系统通常依赖于文本和元数据来索引图像，而新兴的多模态嵌入技术，如CLIP，允许直接使用文本和图像嵌入进行搜索。然而，在企业落地中整合用户地域、时间等因素的上下文特征方面存在挑战，以及一些技术选型：

设计了一个损失函数，以确保训练过程中的图像和文本与标签嵌入对齐，并能够处理批次中的多个正样本以及每行的多个标签。

该损失函数基于SupCon损失，将图像、文本和标签嵌入作为锚点特征和对比特征传递。

Adobe（Photoshop的母公司） Express模板搜索示例。左侧：头部查询咖啡Instagram。右侧：尾部查询多彩咖啡促销Instagram。

详细剖析Adobe Express模板搜索中采用的**多模态搜索技术架构，**通过一系列A/B测试来优化嵌入和多模态技术的使用。研究的核心在于如何利用稀疏、密集和上下文特征来增强对长、短查询的搜索能力，从而显著降低空查询率和提高点击率，提高搜索的相关性和用户体验

Adobe Express模板多模态搜索的高级搜索架构

模板数据（Template Data）：

• Adobe Express模板是包含丰富视觉层和文本框的复杂对象，可以作为图像显示在搜索结果中。

• 模板具有由设计师提供的标题和筛选信息，如设计类型、风格、情绪、地区和价格（免费/高级）。

• 每个模板还包含多模态嵌入、用户意图和图像标签等推断信息。

• 可用的聚合行为数据包括展示次数、点击次数、编辑次数（用户为个性化模板所做的编辑次数）和导出次数（编辑后模板的导出次数）。

可用于搜索匹配和排名的示例Adobe Express模板数据

图像-文本CLIP嵌入（Image-Text CLIP Embeddings）：

• CLIP模型能够将图像和文本嵌入到同一空间，允许使用文本查询进行基于嵌入的图像搜索。

• 为了满足Express模板搜索的需求，Adobe训练了一个基于CLIP架构的模型，该模型适用于短文本（查询）和长文本（标题），支持五种语言（英语、法语、德语、日语、韩语），并且在高质量的图像数据上表现良好，包括模板、照片和插图。

• 为了提高在大量资产中使用嵌入时的延迟，Adobe采用了稀疏化方法，允许嵌入像现有索引中的关键词一样使用。

密集和稀疏嵌入表示以及稀疏嵌入的样本评分。密集嵌入显示为2048维。稀疏嵌入具有更多维度（此处为8192维），但大多数维度没有值。

多模态创意知识图谱（Multi-Modal Creative Knowledge Graph）：

• 除了通过AdobeCLIP学习内容表示外，还发现将内容的意图映射到离散节点可以提高召回率和可解释性，并允许下游推荐任务。

• 为此，创建了一个“创意”知识图谱（CKG），包含超过100K个节点，专注于Adobe特定的用户意图。

• 接着，训练了一个多模态变换器（MM-CKG），专门用于将资产映射到这些离散节点，使用监督对比训练。

• 利用事件、动作、对象、情绪、画布类型、颜色和背景等概念，以获得对资产内容的全面理解。

• 为了训练模型，创建了受CLIP启发的序列自注意力块，并在CLIP骨干网络上添加了序列自注意力块，通过多头变换器块进行处理。

MM-CKG 使用带有 SupCoLA 损失的监督对比学习进行标签对齐。这使得模型能够将关注资产整体意图的简短标签更接近内容嵌入。

监督对比损失（Supervised Contrastive Loss, SupCoLA）：

• 设计了一个损失函数，以确保训练过程中的图像和文本与标签嵌入对齐，并能够处理批次中的多个正样本以及每行的多个标签。

• 该损失函数基于SupCon损失，将图像、文本和标签嵌入作为锚点特征和对比特征传递。

通过在Adobe Express模板搜索中进行的五个多模态实验，每个实验都建立在前一个实验的基础上，研究团队成功地显著降低了空查询和低查询率，同时提高了点击率。

CLIP重新排名的AB测试结果。所有结果都具有统计学意义

CKG符号意图空值和低恢复的AB测试结果。所有结果都具有统计学意义

包括CLIP到AdobeCLIP的平台迁移的AB测试结果。只有空值率的变化具有统计学意义

长提示理解的AB测试结果

当利用MM-CKG进行召回和排名时，相关性结果来自人工标注

https://arxiv.org/pdf/2408.14698``Smart Multi-Modal Search: Contextual Sparse and Dense Embedding Integration in Adobe Express

---

最后分享

AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。

学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

5. 大模型面试题

面试，不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】

如有侵权，请联系删除。