CommerceGen-Studio: un framework completo per generare immagini principali di qualità commerciale

Abstract degli autori

Presentiamo CommerceGen-Studio, un framework completo per generare immagini principali di qualità commerciale per le unità di gestione delle scorte (SKU) nell’e-commerce. Il framework segue un processo in tre fasi: estrazione delle informazioni, riscrittura semantica e generazione multicondizionata. Prompt-Eval-Refine-Loop Agent (PERL-Agent) ricava da metadati eterogenei delle SKU elenchi concisi dei punti di forza dei prodotti, attraverso un ciclo chiuso iterativo in cui VLM e LLM svolgono ruoli valutati secondo una griglia che non richiede riferimenti. Layout Thinker Optimization (LTO) allinea il sistema di riscrittura alla qualità sia delle didascalie sia delle immagini generate, mediante un’ottimizzazione alternata della policy specifica per il dominio. SKU-DiT, addestrato con il metodo progressivo Reinforce-Distill-Reinforce (RDR), usa congiuntamente come condizioni l’immagine del prodotto su sfondo bianco, il ritaglio del marchio e il layout strutturato, così da preservare insieme la fedeltà al soggetto, l’integrità del marchio e l’accuratezza del testo a livello di singoli caratteri. Il framework è in produzione e genera milioni di immagini principali al giorno, con una latenza di pochi secondi per immagine: riteniamo che questo lo collochi tra i primi sistemi del genere a operare su scala commerciale. Rendiamo inoltre disponibile CommerceGen-Bench, un benchmark di casi difficili raccolti dal traffico reale in tutte le categorie di prodotti. Su questo benchmark, il nostro framework ottiene i punteggi complessivi più alti tra i sistemi open source di riferimento valutati in entrambi i percorsi di editing, con e senza miglioramento del prompt. Eguaglia inoltre modelli closed source molto più grandi e ne supera diversi nell’aderenza alle istruzioni e nell’integrazione del prodotto: le due proprietà che determinano se un’immagine può essere pubblicata.