arXiv cs.AI· Xu Zhang, Haohan Wang, Zheng Zhang, Yingjie Xia, Wei Feng, Honghe Zhu, Jingjing Lv, Changping Peng, Xuheng Qin, Zehua Zhang, Zheng Luo, Qicheng Li·· 6 天前AI 评分22
ECC：基于点击率驱动与属性解耦的广告图像编辑方法
Evolving Creatives with Clicks: CTR-Driven Advertising image Editing via Attribute Disentanglement and Preference Alignment
AI 导读
针对电商广告创意优化，研究者提出 ECC 方法，将创意优化重构为细粒度编辑而非从零生成，选择性优化损害 CTR 的属性并保留有益属性。ECC 通过 ANOVA 和随机森林回归识别出 28 个与 CTR 显著相关的属性，并引入一致偏好优化（CPO）策略，通过对语义等价的乱序建议施加一致性约束来缓解 DPO 过拟合。
正文 · AI 翻译
作者：Xu Zhang、Haohan Wang、Zheng Zhang、Yingjie Xia、Wei Feng、Honghe Zhu、Jingjing Lv、Changping Peng、Xuheng Qin、Zehua Zhang、Zheng Luo、Qicheng Li
摘要：电商广告创意的优化目标已从美学质量转向点击率（CTR）等在线业务指标。近期方法通过构建基于 CTR 的奖励信号并利用强化学习优化提示词生成，从产品图像生成有吸引力的广告图像。此类范式对表现不佳图像中的所有属性一视同仁地施加惩罚，即便其中某些属性实际上有利于点击。在本工作中，我们提出 Evolving Creatives with Clicks（ECC），将创意优化重新表述为细粒度编辑而非从零生成。ECC 选择性地优化损害 CTR 的属性，同时保留有积极贡献的属性。具体而言，面对海量图像中丰富的属性空间，ECC 首先通过 ANOVA 和随机森林回归识别出 28 个与 CTR 显著相关的属性。基于 CTR 差异悬殊的图像之间的属性对比，我们指令微调一个提示词模型以生成编辑建议，随后利用真实点击偏好对其进行优化，因为源自参考的建议并非一致有益。此外，我们引入一致偏好优化（CPO）作为 ECC 的偏好优化策略，它强制语义等价的打乱建议之间保持一致，以缓解 DPO 过拟合并提升偏好泛化能力。大量实验表明，ECC 显著提升了广告图像的 CTR，大幅超越最先进的模型。完整的数据流程，包括属性提取与分析、所得数据集以及源代码，将在论文被接收后发布。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.13066 [cs.CV] |
| （或 arXiv:2610.13066v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.13066 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Xu Zhang [查看邮箱]
[v1]
2026年10月9日星期五 06:26:24 UTC（8,651 KB）
来源：arXiv cs.AI · arxiv.org