用于叙事产品网格-拼贴生成的自推理代理框架
计算机视觉与模式识别
2026-04-21 v1
摘要
叙事驱动的产品摄影已成为现代营销中流行的范例，因为连贯的视觉叙事有助于传递产品价值并建立与消费者之间的情感联结。然而，现有图像生成方法不支持结构化的叙事规划或跨画面的协调，常导致叙事薄弱和视觉不一致。在实际应用中，叙事产品摄影通常以多网格拼贴形式呈现，多个视图或场景共同传递产品叙事。为确保跨网格的视觉一致性以及整体构图的审美和谐，我们将拼贴生成为单个统一图像，而非独立合成各画面。我们提出一种用于叙事产品网格拼贴生成的自推理代理框架。给定产品正射图及其名称，系统首先构建产品叙事框架，以显式方式表示产品身份、使用情境和 situational 环境，并翻译为受共享视觉风格约束的互补网格。随后编译受约束的提示词并输入生成模型进行联合合成。生成的输出在内容有效性和摄影质量方面进行评估，并设置明确的门槛决定是继续进行还是进行精炼。若评估失败，系统进行故障归因并应用针对性的精炼，从而实现通过迭代自反思的渐进式改进。实验表明，与直接提示基线相比，我们的框架在审美质量、叙事丰富性和视觉一致性方面均实现了持续性改进。
引用
@article{arxiv.2604.16958,
title = {Self-Reasoning Agentic Framework for Narrative Product Grid-Collage Generation},
author = {Minyan Luo and Yuxin Zhang and Yifei Li and Xincan Wang and Fuzhang Wu and Tong-Yee Lee and Oliver Deussen and Weiming Dong},
journal= {arXiv preprint arXiv:2604.16958},
year = {2026}
}