Utility-Aware Multimodal Contrastive Learning for Product Image Generation
效用感知多模态对比学习用于产品图像生成
🧭 效用感知对比学习 · 商品图像生成 ★ 深度解读
City University of Hong Kong
将需求模型嵌入对比学习，使生成图像同时优化语义一致性与市场表现，在Amazon与Airbnb上超越基线
📌 工作参考价值（4 点）
- 将业务目标（如销量、预订率）的回归系数作为对比学习相似度中的正则项，直接引导文本-图像嵌入空间向高需求视觉属性偏移，避免事后筛选的不可控性。
- 在生成阶段使用 Utility-Aware CLIP score 做候选图像排序，该分数同时包含语义相似度与需求驱动属性，无需额外 prompt 工程即可获得高商业潜力图像。
- 需求函数常呈倒 U 型（如美感、独特性过高反降需求），故设置二次项约束，避免模型盲目追求某属性极值；可应用于其他平台时只需替换对应需求系数。
- 架构上轻量即插即用：仅将 Flux 中的标准 CLIP 编码器替换为 Utility-Aware CLIP，并保持生成架构不变，适合快速迁移到现有电商/租房图像优化流程。