基于 MLLMs 的创意广告图像选择器 Creative4U：比较推理方法
计算机视觉与模式识别
2026-05-26 v2
摘要
广告创意图像是电商平台的灵魂。引人注目的创意图像能够提升用户购物体验，促进广告商收入及平台广告收入。随着 AIGC 技术的发展，广告商可以低成本大量生成创意图像，但面临的挑战是如何评估并筛选出优质创意。现有方法主要关注创意排序，无法满足可解释性创意选择的需求。本文提出首个可解释性创意评估与选择范式。基于多模态大语言模型（MLLMs），我们将创意图像的评估与选择集成到自然语言生成任务中。为支持此研究，我们构建了 CreativePair 数据集——首个包含 8000 组带比较推理标注的创意图像对，每组包含哪幅图像更优的标签。此外，我们引入Creative4U（读作Creative for You），即考虑用户兴趣的 MLLMs 创意选择器。通过Reason-to-Select RFT，包括基于链律思考（Chain-of-Thought, CoT）的监督微调（CoT-SFT）和基于相对策略优化（Group Relative Policy Optimization, GRPO）的强化学习，Creative4U 能够准确评估并选择创意图像。实验结果表明，我们的方法在离线和在线实验中均表现出色。我们的代码和数据集将公开，以推动研究及实际应用。
引用
@article{arxiv.2508.12628,
title = {Creative4U: MLLMs-based Advertising Creative Image Selector with Comparative Reasoning},
author = {Yukang Lin and Xiang Zhang and Shichang Jia and Bowen Wan and Chenghan Fu and Xudong Ren and Yueran Liu and Wanxian Guan and Pengji Wang and Jian Xu and Bo Zheng and Baolin Liu},
journal= {arXiv preprint arXiv:2508.12628},
year = {2026}
}