PosterMaker：面向高质量产品海报生成的文本渲染技术
计算机视觉与模式识别
2025-04-10 v1
摘要
产品海报将主体、场景与文本融合于一体，是吸引顾客的关键营销工具。使用现代图像生成方法创建此类海报具有重要价值，但主要挑战在于精准渲染文本，尤其是包含超过一万个单独字符的复杂书写系统（如中文）。本文识别到精准文本渲染的关键在于构建具有字符判别性的视觉特征作为控制信号。基于此洞察，我们提出了稳健的字符级表示作为控制信号，并开发了 TextRenderNet，实现了超过 90% 的高文本渲染准确率。海报生成的另一个挑战在于保持用户特定产品的保真度。我们通过引入基于填充的 SceneGenNet 模型，并提出主体保真度反馈学习进一步提升保真度。基于 TextRenderNet 和 SceneGenNet，我们呈现了一个端到端的生成框架 PosterMaker。为高效优化 PosterMaker，我们实现了一种解耦文本渲染与背景生成学习的两阶段训练策略。实验结果表明，PosterMaker 在现有基线上显著优于对手，充分证明了其有效性。
引用
@article{arxiv.2504.06632,
title = {PosterMaker: Towards High-Quality Product Poster Generation with Accurate Text Rendering},
author = {Yifan Gao and Zihang Lin and Chuanbin Liu and Min Zhou and Tiezheng Ge and Bo Zheng and Hongtao Xie},
journal= {arXiv preprint arXiv:2504.06632},
year = {2025}
}
备注
Accepted by CVPR 2025. Project Page: https://poster-maker.github.io