基于生成式人工智能技术的品牌视觉传播创新设计方法探究
Exploration of Brand Visual Communication Innovation Design Method Based on AIGC Technology
Tiantian Chen, Bingnan Pang, Chuhua Ma, Wenwen Shao
Procedia Computer Science · 2024-01-01
开放获取艺术设计被引 21被引前 25%影响因子 ≈2.5
摘要
本文探讨了生成式人工智能技术（AIGC）在品牌视觉传播与广告创意设计中的创新应用及面临的挑战。凭借高效性与智能化优势，AIGC颠覆了传统传播模式，实现了个性化定制与精准推送广告，不仅有效提升了转化效果、降低了成本，还增强了品牌对市场的快速响应能力及创意产出效率。同时，该技术通过挖掘大数据资源，能够推动广告行业的数字化与智能化进程。不过，数据安全、隐私保护、人才短缺、创意质量控制、品牌形象维护以及监管适应性等问题也随之而来，行业需强化数据安全防护，培养跨学科的AIGC技术与设计人才，建立严格的内容审核机制，从而为品牌视觉创新与设计注入强劲动力，引领品牌视觉传播与广告创意设计迈入人工智能赋能的新阶段。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于摘要生成- 主要观点
- AIGC技术凭借高效与智能特征颠覆了品牌视觉传播与广告创意设计的传统方式。该技术实现了个性化定制与精准推送，有效提升了转化效果、节约成本，并增强了品牌的市场响应与创意产出效率。此外，AIGC通过挖掘大数据资源，进一步推动了广告行业的数字化与智能化转型。
- 研究方法
- 材料中未明确提及。
- 学术贡献
- 本研究揭示了AIGC技术在品牌视觉传播领域的赋能价值，明确了其在优化传播效果与提升创意效率方面的作用。同时，指出了AIGC对广告行业数字化与智能化转型的推动潜力，为品牌视觉创新设计提供了新的认知视角。
- 存在局限
- AIGC在品牌视觉传播应用中面临数据安全与隐私保护的风险。此外，行业还存在跨学科人才短缺、创意质量控制困难、品牌形象维护挑战以及监管适应性不足等现实局限。
- 进一步研究方向
- 未来应重点加强数据安全保护机制的建设，以应对隐私与合规风险。同时，需大力培养兼具AIGC技术与设计能力的跨学科复合型人才。此外，还应建立严格的内容审核体系，以保障创意质量与品牌形象，引领行业进入AI赋能的新阶段。
本综述由 AI（GLM-5-Turbo）基于摘要自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Digital Marketing and Social Media