Design Your Ad: 基于统一自回归模型的个性化广告图像与文本生成
计算机视觉与模式识别
2026-05-13 v1 计算与语言
信息检索
摘要
生成真实且用户偏好的广告是电商中的关键挑战。现有方法利用多个独立模型驱动点击-through-rate（CTR）以可控地创建吸引人的图像或文本广告，但其管道缺乏跨模态感知，依赖仅反映平均偏好的CTR。因此，我们探索从历史点击行为中联合生成个性化图像-文本广告。我们首先设计了一个统一的广告生成模型（Uni-AdGen），采用单一的自回归框架生成广告图像和文本。通过纳入前景感知模块和指令调优，Uni-AdGen增强了生成内容的真实性。为了进一步实现广告的个性化，我们为Uni-AdGen配备了一个粗到细的偏好理解模块，有效地从噪声多模态历史行为中捕获用户兴趣，以驱动个性化生成。此外，我们构建了第一个大规模个性化广告图像-文本数据集（PAd1M），并引入了产品背景相似性（PBS）指标以促进训练和评估。大量实验表明，我们的方法在通用和个性化广告生成方面均优于基线方法。我们的项目已发布于https://github.com/JD-GenX/Uni-AdGen。
引用
@article{arxiv.2605.12138,
title = {Design Your Ad: Personalized Advertising Image and Text Generation with Unified Autoregressive Models},
author = {Yexing Xu and Wei Feng and Shen Zhang and Haohan Wang and Yuxin Qin and Yaoyu Li and Ao Ma and Yuhao Luo and Lu Wang and Xudong Ren and Haoran Wang and Run Ling and Zheng Zhang and Jingjing Lv and Junjie Shen and Ching Law and Longguang Wang and Yulan Guo},
journal= {arXiv preprint arXiv:2605.12138},
year = {2026}
}
备注
22 pages, 19 figures, CVPR 2026