A^3: Towards Advertising Aesthetic Assessment

📄 arXiv: 2603.24037v1 📥 PDF

作者: Kaiyuan Ji, Yixuan Gao, Lu Sun, Yushuo Zheng, Zijian Chen, Jianbo Zhang, Xiangyang Zhu, Yuan Tian, Zicheng Zhang, Guangtao Zhai

分类: cs.CV

发布日期: 2026-03-25

备注: Accepted to CVPR 2026

🔗 代码/项目: GITHUB

💡 一句话要点

提出A^3框架，用于解决广告美学评估中主观性强、缺乏可扩展性和标准的问题。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 广告美学评估 多模态学习 大型语言模型 思维链 可解释性 A^3-Law A^3-Dataset

📋 核心要点

  1. 现有广告美学评估方法依赖主观判断，缺乏可扩展性、标准化标准和可解释性，难以满足实际需求。
  2. 论文提出A^3框架，包含A^3-Law范式、A^3-Dataset数据集、A^3-Align模型和A^3-Bench基准，实现客观、可解释的广告美学评估。
  3. 实验表明，A^3-Align模型与A^3-Law对齐度高，能有效进行广告选择和评论，具有良好的泛化能力和应用潜力。

📝 摘要（中文）

广告图像对商业转化率和品牌价值有显著影响，但目前的评估方法依赖主观判断，缺乏可扩展性、标准化标准和可解释性。为了解决这些挑战，我们提出了A^3（广告美学评估），一个包含四个组成部分的综合框架：范式（A^3-Law）、数据集（A^3-Dataset）、多模态大型语言模型（A^3-Align）和一个基准（A^3-Bench）。A^3的核心是理论驱动的范式A^3-Law，它包含三个层级阶段：（1）感知注意力，评估感知图像信号吸引注意力的能力；（2）形式兴趣，评估图像颜色和空间布局在唤起兴趣方面的形式构成；（3）欲望影响，衡量图像引起的欲望及其说服力。基于A^3-Law，我们构建了A^3-Dataset，包含来自3万张广告图像的12万个指令-响应对，每个图像都用多维标签和思维链（CoT）推理进行了丰富注释。我们进一步开发了A^3-Align，在A^3-Dataset上，在A^3-Law下，通过CoT引导学习进行训练。在A^3-Bench上的大量实验表明，与现有模型相比，A^3-Align实现了与A^3-Law的卓越对齐，并且这种对齐可以很好地推广到高质量广告选择和规范性广告评论，表明其具有更广泛部署的潜力。数据集、代码和模型可在https://github.com/euleryuan/A3-Align找到。

🔬 方法详解

问题定义：现有广告美学评估方法主要依赖人工主观评价，成本高昂且难以规模化。缺乏统一的标准和可解释性，导致评估结果难以复现和改进。因此，需要一种客观、可扩展、可解释的广告美学评估方法。

核心思路：论文的核心思路是构建一个理论驱动的广告美学评估框架，即A^3。该框架基于A^3-Law范式，将广告美学评估分解为感知注意力、形式兴趣和欲望影响三个层级阶段。通过构建大规模数据集并训练多模态大语言模型，实现对广告图像美学价值的自动评估和解释。这样设计的目的是为了将主观的美学评价转化为客观的可量化的指标，并提供可解释的评估依据。

技术框架：A^3框架包含四个主要组成部分：1) A^3-Law：一个三阶段的广告美学评估范式，包括感知注意力、形式兴趣和欲望影响。2) A^3-Dataset：一个包含3万张广告图像和12万个指令-响应对的大规模数据集，每个图像都带有详细的多维标签和思维链（CoT）推理。3) A^3-Align：一个基于多模态大型语言模型，在A^3-Dataset上训练的模型，用于实现广告美学评估。4) A^3-Bench：一个用于评估A^3-Align模型性能的基准。整体流程是，首先利用A^3-Law指导数据集的构建和模型的训练，然后使用A^3-Bench评估模型的性能。

关键创新：最重要的技术创新点在于A^3-Law范式，它将广告美学评估分解为三个可量化的层级阶段，并为每个阶段定义了明确的评估指标。与现有方法相比，A^3-Law提供了一个更系统、更可解释的评估框架。此外，A^3-Dataset的构建也为广告美学评估领域提供了宝贵的数据资源。

关键设计：A^3-Align模型采用了多模态大型语言模型，可以同时处理图像和文本信息。在训练过程中，使用了CoT（Chain-of-Thought）引导学习，使模型能够生成更具逻辑性和可解释性的评估结果。损失函数的设计也考虑了A^3-Law的三个阶段，分别对感知注意力、形式兴趣和欲望影响进行优化。具体的网络结构和参数设置在论文中有详细描述（未知）。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，A^3-Align模型在A^3-Bench上取得了显著的性能提升，与现有模型相比，与A^3-Law的对齐度更高。在广告选择和评论任务中，A^3-Align表现出良好的泛化能力，能够有效识别高质量广告并提供有价值的改进建议。具体性能数据和提升幅度在论文中有详细描述（未知）。

🎯 应用场景

该研究成果可应用于广告设计优化、广告效果预测、智能广告投放等领域。通过自动评估广告的美学价值，可以帮助广告主提高广告的吸引力和转化率，提升品牌形象。未来，该技术还可以扩展到其他视觉内容评估领域，如艺术品鉴赏、UI设计等。

📄 摘要（原文）

Advertising images significantly impact commercial conversion rates and brand equity, yet current evaluation methods rely on subjective judgments, lacking scalability, standardized criteria, and interpretability. To address these challenges, we present A^3 (Advertising Aesthetic Assessment), a comprehensive framework encompassing four components: a paradigm (A^3-Law), a dataset (A^3-Dataset), a multimodal large language model (A^3-Align), and a benchmark (A^3-Bench). Central to A^3 is a theory-driven paradigm, A^3-Law, comprising three hierarchical stages: (1) Perceptual Attention, evaluating perceptual image signals for their ability to attract attention; (2) Formal Interest, assessing formal composition of image color and spatial layout in evoking interest; and (3) Desire Impact, measuring desire evocation from images and their persuasive impact. Building on A^3-Law, we construct A^3-Dataset with 120K instruction-response pairs from 30K advertising images, each richly annotated with multi-dimensional labels and Chain-of-Thought (CoT) rationales. We further develop A^3-Align, trained under A^3-Law with CoT-guided learning on A^3-Dataset. Extensive experiments on A^3-Bench demonstrate that A^3-Align achieves superior alignment with A^3-Law compared to existing models, and this alignment generalizes well to quality advertisement selection and prescriptive advertisement critique, indicating its potential for broader deployment. Dataset, code, and models can be found at: https://github.com/euleryuan/A3-Align.