AdSpark：商品广告视频生成数据集与评测基准

以产品为中心的广告视频生成旨在创建宣传视频，保留细粒度的产品标识，同时通过连贯的多镜头叙述来呈现卖点。然而，由于缺乏大规模的广告专用数据集和综合评估框架，这一新兴任务仍未得到充分探索。为了解决这一差距，我们引入了 \textbf{AdSpark}，这是一个基于主要电子商务平台数据的大规模数据集和以产品为中心的广告视频生成基准。 \textit{AdSpark-300K} 包含大约 300K 参考图像-提示-视频三元组，包括真实子集和合成子集。每个样本都提供结构化的广告注释，包括产品标识注释、卖点描述、创意计划和对齐的音频脚本，使模型能够学习产品保存和以广告为导向的视觉故事讲述。我们进一步提出 \textit{AdSpark-Bench}，这是一个诊断基准，可以评估六个维度上生成的广告，包括视觉 质量、产品保真度、指令遵守、时间连贯性、音频对齐和广告效果。基于 AdSpark-Bench，我们评估了代表性模型，揭示了产品保存、多镜头故事讲述和卖点可视化方面的关键挑战。 AdSpark-300K 微调模型的实验进一步验证了我们数据集的有效性。 AdSpark为未来的研究提供了统一的数据集和基准，我们将在接受后发布数据集。