快脑技术报告

商业图像编辑需要产品身份保留、准确的文本呈现、用户吸引力以及一般编辑质量。我们推出 KwaiMind，一个将通用功能与电子商务专业功能相结合的图像编辑系统。基于代理的数据引擎维护着大约 180 万个高质量编辑对。 KwaiMind 基于多模态扩散Transformer构建，经过持续的预训练和监督微调，然后进行偏好优化和在线强化学习。通用视觉语言评判和针对点击率 (CTR)、文本渲染和产品一致性的专门奖励指导专门的政策，这些政策通过政策蒸馏得到巩固。我们推出了 Ecom-Bench，涵盖 11 种商业编辑任务，并具有特定任务的视觉评估和基于 CTR 的排名。 KwaiMind 在 ImgEdit、GEdit、REDEdit 的两种语言分割和 Ecom-Bench 视觉质量评估的开源编辑器中获得了最高的总体得分，并且在比较系统中综合点击率排名得分最高。离线时，CTR 引导的优化将预测 CTR 超过原始产品图像的生成图像的比例从 12.16% 提高到 37.41%。在在线 A/B 实验中，基于点击率选择产品主图，实际点击率相对提高了约 2.44%。这些结果证明了特定领域数据和奖励驱动的对齐对于商业图像编辑的价值。