CommerceVibe: Learning to Design E-Commerce Creatives as Executable Visual Code via Dual-Feedback Reinforcement Learning
作者: Yajiao Xu, Jin Zhang, Jiangbo Ai, Tao Jiang, Mo Xu, Lina Huang, Chengfu Huo
分类: cs.CV
发布日期: 2026-08-28
备注: 20 pages, 13 figures, 12 tables; includes supplementary material
💡 一句话要点
提出CommerceVibe以解决电商创意生成中的结构化与可编辑性问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 电商创意生成 可执行视觉代码 双反馈强化学习 HTML/CSS程序合成 视觉-语言模型 创意编辑与重用 监督微调
📋 核心要点
- 现有的扩散模型生成的电商创意存在文本扭曲和产品细节不一致的问题，缺乏可编辑性和重用性。
- CommerceVibe通过将创意表示为可执行的HTML/CSS代码，解决了创意生成中的结构化和可编辑性问题。
- 在1300个案例的基准测试中，优化后的CommerceVibe模型得分为94.0，显著优于仅进行监督微调的变体87.3，且获得电商设计专家的验证。
📝 摘要（中文）
高质量的电商创意对于产品展示和营销信息传达至关重要。尽管近期的扩散模型能够生成可扩展的创意并产生视觉上引人注目的图像，但其输出的栅格图像往往存在文本扭曲和产品细节不一致的问题，需在部署前进行修正。此外，缺乏明确结构的创意难以编辑和重用，而复杂的设计需求也难以编码为可验证的训练信号。为了解决这些挑战，本文提出了CommerceVibe，将创意表示为可执行的视觉代码，并将生成过程形式化为条件HTML/CSS程序合成。该方法在给定产品图像、设计需求和产品信息的情况下，生成可渲染、可编辑和可重用的创意。我们还引入了双反馈强化学习，通过基于规则的反馈评估渲染程序的文本可读性、产品可见性和布局有效性，同时使用视觉-语言模型(VLM)的视觉反馈从六个感知和商业维度评估渲染创意。综合这些反馈信号，提升了约束满足度和感知质量。
🔬 方法详解
问题定义：本文旨在解决电商创意生成中的结构化和可编辑性问题。现有的扩散模型虽然能够生成视觉吸引力强的图像，但往往存在文本扭曲和产品细节不一致的缺陷，且缺乏明确的结构使得创意难以编辑和重用。
核心思路：CommerceVibe的核心思路是将电商创意表示为可执行的视觉代码，并将生成过程视为条件HTML/CSS程序合成。通过这种方式，生成的创意不仅可渲染，还具备良好的可编辑性和重用性。
技术框架：该方法的整体架构包括输入产品图像、设计需求和产品信息，经过程序合成生成可渲染的创意。双反馈强化学习模块则通过规则反馈和视觉反馈来优化生成结果。
关键创新：CommerceVibe的主要创新在于引入双反馈强化学习机制，结合规则基础的反馈和视觉-语言模型的反馈，提升了生成创意的质量和约束满足度。这一方法与传统的单一反馈机制有本质区别。
关键设计：在技术细节上，CommerceVibe采用了监督微调(SFT)和双反馈强化学习的结合，使用了Qwen3.5-9B模型，并在超过28,000个电商示例上进行训练。
🖼️ 关键图片
📊 实验亮点
在1300个案例的基准测试中，优化后的CommerceVibe模型得分达到94.0，显著高于仅进行监督微调的变体87.3，且在盲评中获得五位电商设计专家的认可，验证了其在创意生成质量上的显著提升。
🎯 应用场景
CommerceVibe的研究成果在电商创意生成领域具有广泛的应用潜力，能够帮助商家快速生成高质量的产品展示和营销材料。其可编辑性和可重用性使得设计师能够更高效地进行创意修改和优化，提升了电商营销的灵活性和响应速度。未来，该技术还可能扩展到其他需要视觉创意生成的领域，如广告设计和社交媒体内容创作。
📄 摘要（原文）
High-quality e-commerce creatives are essential for presenting products and conveying marketing messages. Recent diffusion models enable scalable creative generation and produce visually compelling images, but their flattened raster outputs often contain distorted text and inconsistent product details, requiring refinement before deployment. Moreover, without explicit structure, the resulting creatives are difficult to edit and reuse, while complex design requirements remain challenging to encode as verifiable training signals. To address these challenges, we present CommerceVibe, which represents creatives as executable visual code and formulates generation as conditional HTML/CSS program synthesis. Given product images, design requirements, and product information, it produces renderable, editable, and reusable creatives. We further introduce dual-feedback reinforcement learning, in which rule-based feedback evaluates rendered programs for text readability, product visibility, and layout validity, while visual feedback from a vision-language model (VLM) assesses rendered creatives against input specifications across six perceptual and commercial dimensions. Together, these complementary feedback signals improve both constraint satisfaction and perception-dependent quality. We perform supervised fine-tuning (SFT) of Qwen3.5-9B on over 28,000 e-commerce examples, followed by dual-feedback reinforcement learning. On a 1,300-case benchmark, the optimized CommerceVibe model achieves a weighted score of 94.0/100, compared with 87.3 for the SFT-only variant, and outperforms strong external models. Blind evaluations by five e-commerce design experts further validate these improvements. CommerceVibe supports controllable, editable, and scalable e-commerce creative production.