T-Stars-Poster：面向产品导向的广告图像设计框架

创建广告图像通常是一个耗时耗力的过程。我们能否仅通过产品前景图像、标语和目标尺寸等基本产品信息自动生成此类图像？现有方法主要关注问题的某一部分，缺乏综合性解决方案。为弥合这一差距，我们提出了一种名为 T-Stars-Poster 的新型产品中心广告图像设计框架。该框架包含四个顺序阶段，以突出产品前景与标语，同时实现整体图像的美学效果：提示生成、布局生成、背景图像生成和图形渲染。为前述四个阶段分别设计并训练专家模型：首先，视觉语言模型（VLM）生成与产品匹配的背景提示；随后，基于 VLM 的布局生成模型安放产品前景、图形元素（标语和装饰下垫）以及各种非图形元素（来自背景提示的对象）。最后，基于 SDXL 的模型能够同时接受提示、布局和前景控制信号来生成图像。为支撑 T-Stars-Poster，我们构建了两个包含 5 万余张标注图像的对应数据集。大量实验及线上 A/B 测试表明，T-Stars-Poster 能产生更具视觉吸引力的广告图像。