网易首页 > 网易号 > 正文 申请入驻

AI改图,终于懂点「用户心理学」了

0
分享至

一张电商图片,既要准确展示商品,也要契合用户喜好,更承载着价值转化的商业期待。当图像编辑开始读懂用户偏好,模型能否将不同的创作意图转化为合心意、可使用的电商素材,进一步激发商业价值潜能?

快手技术团队推出 KwaiMind,一套面向真实电商内容生产的图像编辑基座模型。融合通用图像编辑与电商专项能力,在保留商品细节、准确呈现文字的同时,满足多样化创作需求,并配套构建电商任务评测体系,形成从数据生产、模型训练到效果评估与业务反馈的完整闭环。

据技术报告披露,KwaiMind 在多项通用图像编辑基准上取得参评开源模型综合得分第一;在自建电商评测 Ecom-Bench 中,视觉总分位居参评开源模型第一。线上商品主图素材优选 A/B 实验中,KwaiMind 带来实际点击率相对提升约 2.44%,展现了电商图像编辑的商业应用潜力。



图 1 Ecom-Bench 视觉总分与 Ecom-CTR 排名比较。CTR 为预测排名累计计数。

从通用编辑到定向修复,覆盖真实素材生产需求

KwaiMind 将增删、替换、构图调整和局部问题修复纳入同一套指令式编辑能力,支持服装试穿、商品细节展示、配饰佩戴、背景替换、动作调整等任务。商家可以围绕已有素材提出展示需求,也可以针对文字、背景等局部问题进行定向修改。



图 2 KwaiMind 编辑案例,涵盖服装、配饰、商品场景和通用图像编辑。

以电商卖点图为例,模型需要根据商品图与编辑指令调整背景和构图并进行文字的渲染,在突出商品视觉表现的同时,保持其外观、材质与关键细节的一致性。这些要求也考验模型的通用编辑能力。KwaiMind 在适配电商场景的同时,也展现出较强的通用编辑能力,在多个通用基准测试中均优于本报告中其他参评的开源模型。



图 3 KwaiMind 在四组通用编辑评测中均取得参评开源组最高总体得分。

四项智能体协作,维护约 180 万对高质量训练样本

电商素材规模庞大、来源多样,既需保障质量,也需适配不同任务。传统流程依赖反复筛选、修改和复核,成本高、效率低,标准也难统一。为此,KwaiMind 构建了多智能体数据引擎,将质量过滤、样本修复、定向补充与指令标注整合为统一流程,实现任务自动流转、样本状态可追踪。四类智能体分工如下:

  • Filter Agent:预筛输入图像,复筛编辑结果;
  • Generation Agent:根据诊断修复可恢复样本,补充覆盖不足的任务数据;
  • Caption Agent:生成不同粒度的编辑指令;
  • Coordinator Agent:维护样本状态与分布,统筹任务调度、流程衔接及重试。

系统同时引入 Human-in-the-Loop 机制,将低置信、高分歧样本交由人工审核,审核结果回流数据生产流程,兼顾处理效率与数据质量。



图 4 精选 SFT 数据的任务构成及代表性样本。

多智能体数据引擎从约 2,620 万对候选数据中构建并维护约 180 万对高质量训练样本,供 Continued Fine-tuning 阶段使用。进一步精选约 23.49 万对数据用于 SFT 阶段,包括 11.5 万对通用编辑样本和 11.99 万对电商样本。通用数据夯实模型的基础编辑能力,电商数据则围绕服装细节、商品展示和文字编辑等强化专项能力,共同提升模型的指令遵循度与图像美观度。

专项优化与多教师蒸馏,整合为统一基座

真实电商任务往往要求模型同时做好多件事:执行编辑指令、保留商品细节、写对文字,并生成更能吸引用户关注的画面。这些目标的优化难度和收敛节奏并不相同,直接混合训练可能产生干扰,依次优化又可能遗忘已有能力。

KwaiMind 为此采用了一套结合专项能力优化与多教师蒸馏的训练方案:在通用编辑能力之上,模型进一步强化视觉质量、商品一致性、文字准确性以及商业点击吸引力。再通过 DiffusionOPD 将不同专家的能力汇聚到统一模型。



图 5 训练框架与 DiffusionOPD 多教师蒸馏。专项教师在学生自身的去噪轨迹上提供指导。

DiffusionOPD 是一种在线蒸馏策略,由教师沿学生的去噪轨迹逐步指导,使能力迁移更贴近学生实际的生成过程。KwaiMind 将通用编辑、文字处理、商品细节保留与用户偏好整合到同一模型中,让一次编辑兼顾多项要求,例如更换背景时保留包装细节与文字,同时生成更符合用户偏好的展示效果。

Ecom-Bench:系统定义电商任务与评测体系

电商图像编辑需要明确的任务边界,也需要一套能够判断素材是否可用的评价标准。

为此,团队构建 Ecom-Bench,包含 11 项任务、1,100 个案例,每项任务 100 个案例。这些任务包含了虚拟试穿、服装细节、姿态调整等模特穿戴任务,背景替换、商品提取、卖点展示等海报相关任务,以及文字编辑、宣传语去除等文字任务。

围绕这些任务,Ecom-Bench 建立了由 6 个通用维度和 8 个电商专项维度组成的综合评价体系:

  • 通用维度关注指令遵循、融合自然度、物理与光照合理性、非编辑区域保留、图像质量及整体美感;
  • 电商维度关注检查商品身份、文字准确性、面料纹理、模特与姿态、服装合身度、抠图边缘、卖点传达及商品展示完整性。

每项任务选取 2 个通用维度和 2 个电商维度,按任务需求确定评价重点。下表是具体的任务测评维度分配:



表 1 Ecom-Bench 各任务的评价维度分配(对应技术报告 Table 5)

评分时,评审模型会结合参考图、编辑指令和生成结果,按照明确的评分标准,对四个维度分别给出 1-5 的整数分。



单个案例的综合分采用几何平均计算,使文字出错、商品身份偏移等关键缺陷更明显地影响综合得分,降低单项高分所掩盖的素材可用性问题。各任务得分为该任务 100 个案例综合分的平均值,总分再对 11 项任务等权平均。

如图 1 所示,在报告的评测设置及参评模型范围内,KwaiMind 的 Ecom-Bench 视觉总分位居开源模型第一。除了视觉质量,团队还通过 Ecom-CTR 评估生成素材的预测点击偏好。不同模型的输出进行排序,各模型进入前三名的次数累计为 CTR 分数,以衡量相对商业吸引力。KwaiMind 在这一指标上表现优越,体现了模型对素材可用性与用户偏好的兼顾。

下面是一些可视化对比素材,覆盖卖点展示、服装细节、服装展示和虚拟试穿。结合参考图与编辑指令,可以直观看到不同模型在商品素材生成方面的差异。



图 6 服装展示



图 7 服装细节图



图 8 卖点图



图 9 虚拟试穿

业务验证:素材生成到真实点击提升

为了验证 KwaiMind 在实际业务里的应用价值,团队启动了商品主图素材优选线上 A/B 实验。在实验中, KwaiMind 带来了约 2.44% 的实际点击率的相对提升。

在离线评估中,对于随机质量采样的商品图,KwaiMind 生成图的预估 CTR 高于原始商品图的比例,由训练前的 12.16% 提升至 37.41%;相较于未经优化的基线生成图,其预估 CTR 胜率达到 91.89%。

总结

KwaiMind 的推出,让我们看到图像编辑模型进入电商实际工作流程的更多可能。从试穿展示、背景调整到商品细节保留与文字修改,模型需要理解的不只是 “画面怎么改”,还有 “商品应该如何呈现”,以及 “什么样的内容更能吸引用户”。对于开发者而言,统一的编辑基座与配套评测体系,给电商应用和定制工作流提供了坚实的基础。对于商家和创作者而言,这些能力汇聚到同一个模型中,意味着减少反复制作与修改的成本,为创作想法与真实可用素材之间搭起了桥梁,也为尝试不同的商品展示方式留下更多空间。

未来,团队将继续扩展任务覆盖范围,提升专用奖励模型的稳健性,并增强组合编辑与多参考图编辑能力。随着模型能力持续完善并逐步融入日常创作工具,电商素材的生成、修改与优化有望变得更加便捷。KwaiMind 将继续沿着真实生产需求迭代,让模型既能准确呈现商品,也能更好地连接用户;让每一次编辑更贴近需求,让每一份创意更容易落地。

项目与 KwaiMind 技术报告现已发布:

  • KwaiMind 项目: https://github.com/KwaiMmu/KwaiMind
  • Technical Report: https://arxiv.org/abs/2609.26375

本文配图为 AI 生成及 AI 编辑示意图,仅用于展示产品能力,不代表真实人物、真实商品或实际商业案例。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
曼晚:拉什福德在波切蒂诺麾下或踢中锋,阿马德失去首发位置

曼晚:拉什福德在波切蒂诺麾下或踢中锋,阿马德失去首发位置

懂球帝
2026-11-19 09:40:55
不是正式会晤,但确实谈了:普京与高市早苗谈了30分钟

不是正式会晤,但确实谈了:普京与高市早苗谈了30分钟

砚底沉香
2026-11-19 09:31:55
iPhone Duo铰链卡死被拒保!博主直接给库克发邮件:苹果终于松口

iPhone Duo铰链卡死被拒保!博主直接给库克发邮件:苹果终于松口

快科技
2026-11-18 07:43:05
退役体操名将自曝被拖欠91个月社保,合计15万,官方介入处理

退役体操名将自曝被拖欠91个月社保,合计15万,官方介入处理

米修体育
2026-11-19 01:42:08
卷走53亿逃美,欠银行20亿?又一“大佬”跑路,5000家庭血本无归

卷走53亿逃美,欠银行20亿?又一“大佬”跑路,5000家庭血本无归

阿器谈史
2026-11-18 05:04:17
追上特朗普专机,马斯克又来了

追上特朗普专机,马斯克又来了

中国新闻周刊
2026-11-18 21:46:31
年薪1000万欧!67岁安帅在巴西四面楚歌:战绩糟糕 被多人要求下课

年薪1000万欧!67岁安帅在巴西四面楚歌:战绩糟糕 被多人要求下课

风过乡
2026-11-19 08:04:21
昆汀写、芬奇拍、皮特演,这部新片首评炸了!

昆汀写、芬奇拍、皮特演,这部新片首评炸了!

桃桃淘电影
2026-11-18 09:16:10
APEC规矩不能破,外宾安保别想特殊,美国也得遵守中方安排

APEC规矩不能破,外宾安保别想特殊,美国也得遵守中方安排

金戈远望
2026-11-18 17:30:03
全美国停飞,系统升级要价500亿,王毅:中国可成不了另一个美国

全美国停飞,系统升级要价500亿,王毅:中国可成不了另一个美国

漫步独行侠
2026-11-18 09:54:31
足球小将在西班牙待不下去了!邝兆镭之后,又有一批坐穿板凳的小将或将在冬窗离开

足球小将在西班牙待不下去了!邝兆镭之后,又有一批坐穿板凳的小将或将在冬窗离开

中场阴谋家
2026-11-17 23:20:56
韩媒震惊:韩国队竟然输给了世界排名第95的中国队,脸都不要了

韩媒震惊:韩国队竟然输给了世界排名第95的中国队,脸都不要了

念洲
2026-11-18 18:24:15
耻辱8连败!从争冠到摆烂,管理层能力太差!三状元应该散伙了

耻辱8连败!从争冠到摆烂,管理层能力太差!三状元应该散伙了

篮球扫地僧
2026-11-18 20:31:52
抢在中美俄会晤前!高市堵特朗普,白宫一句没必要,日本要跑空

抢在中美俄会晤前!高市堵特朗普,白宫一句没必要,日本要跑空

漫步独行侠
2026-11-18 09:55:01
国家统计局发布2026年10月份分年龄组失业率数据

国家统计局发布2026年10月份分年龄组失业率数据

界面新闻
2026-11-18 14:03:03
美论坛曾称:没经过美国同意,中国是咋敢率先发布第六代战机的?

美论坛曾称:没经过美国同意,中国是咋敢率先发布第六代战机的?

雷哥侃
2026-11-19 09:38:55
普京见到最想见的人,在中国主场上,说出掏心窝子的话

普京见到最想见的人,在中国主场上,说出掏心窝子的话

听风看局
2026-11-18 17:06:26
其实彻底烧毁圆明园的那把火,是英军单独放的,而且被烧的不只是圆明园

其实彻底烧毁圆明园的那把火,是英军单独放的,而且被烧的不只是圆明园

言过于诚
2026-11-18 22:34:47
峰会现场,特朗普当着两个人的面评价:莫迪很强硬,高市可能更甚

峰会现场,特朗普当着两个人的面评价:莫迪很强硬,高市可能更甚

呼呼历史论
2026-11-19 07:19:16
深圳APEC峰会三个核心场馆,你更喜欢哪个?

深圳APEC峰会三个核心场馆,你更喜欢哪个?

良有方
2026-11-19 06:29:36
2026-11-19 11:40:49
机器之心Pro incentive-icons
机器之心Pro
专业的人工智能媒体
14510文章数 142761关注度
往期回顾 全部

科技要闻

OPPO Reno17:实况才是让我留下来的理由

头条要闻

美国白宫发布特朗普访华视频 中国仪仗队再次出圈

头条要闻

美国白宫发布特朗普访华视频 中国仪仗队再次出圈

体育要闻

“中超卡里乌斯”,成了大连的夺冠英雄

娱乐要闻

稳坐春晚前排20年,黄晓明都巴结她

财经要闻

北京环球影城,亏损难题待解

汽车要闻

三排都不将就,还有云辇和智能四驱,方程豹钛9想通了什么?

态度原创

旅游
时尚
健康
艺术
数码

旅游要闻

2026—2027年鸡西市冬季冰雪旅游 “百日行动”全面启幕

Kendall都开始盛装了,谁还在追求松弛感?

医生眼里"很伤腰"的椅子,很多人天天坐

艺术要闻

95后女孩用247天拍遍56个民族服饰,东方美学美得太惊艳!

数码要闻

华为史上最薄智能手表定档11月24日:6.9mm超薄形态,强大体验内核

无障碍浏览 进入关怀版