[论文] CommerceGen-Studio: An End-to-End Framework for Commercial-Grade Main-...

论文概要

研究领域: CV
作者: Xiaoli Xu, Zhengtao Wu, Zhengze Xu, Tao Liu, Yongchao Du
发布时间: 2026-10-14
arXiv: 2610.20603

中文摘要

我们提出CommerceGen-Studio，一个为电商SKU生成商业级主图的端到端框架。框架沿三阶段流水线组织：信息提取、语义重写和多条件生成。PERL-Agent通过VLM和LLM角色迭代闭环，以无参考评分标准打分，将异构SKU元数据蒸馏为简洁卖点文本列表。布局思考器优化（LTO）通过交替的领域特定策略优化，使重写器同时对齐描述文本和渲染图像质量。SKU-DiT在强化-蒸馏-强化（RDR）渐进训练下，联合以白底产品图、商标裁剪图和结构化布局为条件，同时保持主体保真度、商标完整性和字符级文本准确性。该框架以每天数百万张主图的生产规模运行，每张图延迟仅几秒，据我们所知是首批以商业规模运行的此类系统之一。我们还发布了CommerceGen-Bench基准，收集了来自实时流量的全品类困难案例。在该基准上，我们的框架在有和无提示增强的两条编辑赛道上均取得了被评估开源基线中的最高总分，同时匹配更大的闭源模型，并在指令遵循和产品整合这两项决定图片能否发布的属性上超越了多个闭源模型。

原文摘要

We present CommerceGen-Studio, an end-to-end framework for generating commercial-grade main images for e-commerce Stock Keeping Units (SKUs). Our framework is organized along a three-stage pipeline of information extraction, semantic rewriting, and multi-condition generation: Prompt-Eval-Refine-Loop Agent (PERL-Agent) distills heterogeneous SKU metadata into concise selling-point text lists through an iterative closed loop of VLM and LLM roles scored by a reference-free rubric. Layout Thinker Optimization (LTO) aligns the rewriter with both caption and rendered-image quality via alternating domain-specific policy optimization. SKU-DiT, trained under Reinforce-Distill-Reinforce (RDR) progressive training, conditions jointly on the white-background product image, the trademark crop, and the ...

自动采集于 2026-10-16

#论文 #arXiv #CV #小凯