随着线上线下服务的打通,零售业迎来了新一轮高速发展。这不仅对广告,特别是网页横幅广告的设计需求飞速增长,也对广告设计的时效性有了更高的要求。目前广告设计大都由专业设计人员完成,由于整个设计流程对人工的高度依赖,尤其是图片素材的筛选与加工,设计效率难以快速提升以满足爆炸式增长的业务需求。然而互联网上海量的素材数据和人工智能技术的发展,为解决这个发展瓶颈提供了一个契机。本文主要研究的是广告图片布局的自动生成以及对生成的布局图片进行美学质量评价。论文主要工作如下:首先,为了实现广告图片布局的自动生成,本文提出了基于生成对抗网络的布局生成网络模型。在这项工作中,本文不考虑广告描述语的具体内容,仅考虑广告描述语在整张图片中所处的位置。首先,根据广告图片的特殊性,模型将综合考虑广告图片的视觉信息和属性信息,其中属性信息包括图片风格、商品分类以及适宜人群。然后,将这两种信息分别进行编码,之后再综合起来作为生成对抗网络的输入,同时,根据这两种信息,在数据集中采样广告主体图片和广告描述语在整张图片上的位置。接着,生成对抗网络根据采样信息生成布局图片,同时利用L2距离计算相似性得分,进而输出得分排名前三的图片。最后,根据实验结果和数据分析,本文的模型能够很好的完成广告布局图片的生成并且生成的图片的质量很好。其次,为了提高生成的布局图片的质量,本文提出了广告布局图片的美学质量评价网络,整个网络包含多属性特征网络、注意网络以及语言生成网络。首先,邀请5名专业的广告设计师以及10名广告行业从业人员对布局图片进行打分,评分选项包括构图、颜色、图像的焦点和总体印象,从而构造专门的布局评分数据集。该数据集包含了四个美学属性的数值评分和各个美学属性的语言评价。接着多属性特征网络通过4个属性得分的多任务回归计算不同属性的特征矩阵,而注意网络动态地调整所获得特征的信道维度和空间维度的注意权重。然后,语言生成网络通过长短期记忆网络生成图像字幕,长短期记忆网络需要数据集中关于各个美学属性的语言评价的真实内容和注意网络调整后的特征映射。最后,通过实验分析,本文的模型能够很好地得出每张图片的各个美学属性的评分和语言评价,同时还能得出整张图片的美学评分。