在人工智能和大数据驱动的广告行业中，多模态广告理解（ Multimodal Ad Understanding ） 正成为一项关键研究课题。近日，我院LIPLAB冯奕老师团队在该领域的研究取得新进展，其提出的多模态广告理解任务成功被人工智能顶级会议 AAAI 2025 录用，并在 Senior Member Presentation Track 展示，标志着该研究得到同行的认可。

广告不仅是信息的传递，更是一种复杂的说服过程。广告主通常通过文本、图像、音频和视频等多种模态相结合，潜移默化地影响用户的认知和决策。例如，一个广告可能通过视觉元素营造情绪氛围，通过文案塑造品牌理念，甚至通过隐藏信息激发潜在需求。因此，单纯依赖文本或图像分析已不足以揭示广告的真正意图，多模态广告理解成为揭示广告如何影响用户决策的关键。

当前，社交媒体、短视频和电商平台上的广告形式日益多样，用户在接收广告时，往往难以察觉广告背后的深层次意图。如图 1 所示，一则广告可能通过柔和色调和温馨音乐传递信任感，或者通过夸张词汇和紧迫感制造购买冲动。要想实现更透明、更智能的广告推荐系统，就必须深入理解广告的说服技巧和隐藏意图，从而提升广告的可信度、优化广告投放策略，并增强用户体验。

针对这一挑战，冯奕老师团队首次提出了一种系统性的多模态广告理解任务，重点挖掘广告背后的说服技巧和隐藏意图。该研究结合深度学习、跨模态信息融合、情感分析等技术，从广告文本、图像、音频等多模态信息中提取关键特征，构建智能模型，以更精准地识别广告的真实意图。研究成果不仅推动了人工智能在广告理解领域的发展，同时也为广告行业提供了一种新型的智能解析工具，有助于优化广告内容创作，提高广告透明度，并增强用户信任感。相关成果《 Understanding Advertisements 》被 AAAI 2025 录用，冯奕老师为第一作者。

未来，团队将继续探索多模态广告理解的前沿技术，推动智能广告解析在精准营销、用户洞察等领域的广泛应用，为智能广告生态系统提供更科学、更高效的解决方案。

冯奕老师目前聚焦于交叉人工智能、多模态领域研究。近年来，已在 ACL、AAAI、IJCAI、EMNLP、TKDD 等自然语言处理国际顶级期刊会议以第一作者发表论文多篇。担任 ACL ARR、AAAI、IJCAI 等国际顶会 ( 高级 ) 程序委员会委员，AIJ、TALLIP 等期刊审稿人。欢迎对交叉人工智能、多模态相关领域感兴趣的 2025 级研究生与 2026 级推免研究生学生联系和讨论：fy@nju.edu.cn。对 LIPLAB 研究工作感兴趣的同学可访问 http://liplab.site  查看更多信息。