In Alibabas Poster-Benchmark ist das Produkt eingefroren, und sieben von zehn Hintergründen für Kleidung, Schuhe und Taschen sind hellgrau
Ein Alibaba-Paper beschreibt ein System, das aus Produktfotos auf weißem Hintergrund täglich Millionen generierter Poster für Suchergebnisse macht. Produkt, Logo und Text werden gesperrt, alles drumherum wird erfunden. In dem von Alibaba veröffentlichten Benchmark setzen die Prompts 89 von 126 Kleidungsstücken, Schuhen und Taschen vor einen hellgrauen Hintergrund und stellen einen Roger-Vivier-Pumps mit Schnalle auf grauen Marmor.

Parallax Pincer
Ein Karohemd in Tan, Grün und Schwarz hängt offen über einem weißen T-Shirt, ohne dass jemand darin steckt, auf einer Platte aus löchrigem, sandfarbenem Stein unter Blätterschatten. Das Hemd kam als Foto auf Weiß an, und Software hat den Rest gebaut, bis hin zu Kapitälchen, die 挺括有型, „formstabil und schön geschnitten”, als „STIFF AND STYLISH” wiedergeben. Es ist Abbildung 1 des Papers zu CommerceGen-Studio, einem System der Alibaba Group, das das Produkt sperrt und nur den Raum der Gestaltung überlässt. Der Showcase-Raum ist warm, doch in den Prompts, die Alibaba für Kleidung, Schuhe und Taschen veröffentlicht hat, ist er in sieben von zehn Fällen hellgrau.
Das Paper, am 14. Oktober bei arXiv eingereicht, sagt, das System „läuft in der Produktion im Maßstab von Millionen Hauptbildern pro Tag”, bei „wenigen Sekunden pro Bild”. Suchmaschinen „lösen eine Anfrage zunehmend auf eine bestimmte Stock Keeping Unit auf”, die Ergebnisseite braucht also ein Bild für jede Farbe oder Größe, und Händler „pflegen sie nur selten”. Was sie haben, sind Fotos auf weißem Hintergrund, die die Klickrate „messbar” senken, wenn man sie in Suchergebnisse stellt, wobei das Paper keine Zahl nennt.
Ein Qwen-Modell kocht das Angebot auf Verkaufsargumente ein, und ein Layout-Modell legt „Position und Ausrichtung des Motivs, Hintergrundstil und Beleuchtung, Texthierarchie und Farbe” fest. Ein Generator mit sechs Milliarden Parametern malt dann das Poster um das Foto auf weißem Hintergrund und um einen Ausschnitt der Marke, vergrößert, weil Marken „oft nur wenige Dutzend Pixel breit” sind. Der Basis-Prompt des Benchmarks, die Version ohne Prompt-Enhancement, verbietet jedem Modell, irgendeinen Teil des Produkts zu ersetzen, hinzuzufügen, zu entfernen, zu drehen, zu spiegeln oder neu zu zeichnen (不得替换、增减、旋转、镜像或重绘).
Das Abstract nennt Instruction Following und Product Integration „die beiden Eigenschaften, die entscheiden, ob ein Bild veröffentlicht werden kann”; die zweite fragt, ob das Produkt „plausibel in seiner neuen Szene sitzt”. Von Gemini 3 Flash auf dem eigenen Benchmark der Autoren bewertet, schlägt das System in Tabelle 1 mehrere geschlossene Modelle bei beiden Eigenschaften, doch GPT-Image-2, GPT-Image-2.5 und Seedream 5.0 Pro schneiden insgesamt besser ab. Mit erweiterten Prompts in Tabelle 2 schlägt es bei beiden nur Nano Banana Pro und Seedream 4.5.
Der von Alibaba veröffentlichte Benchmark umfasst 400 Testfälle, davon 126 mit Bekleidung, Schuhen oder Taschen und Accessoires, und alle 126 kommen auf weißem Hintergrund an, Models eingeschlossen. In Tabelle 2 bekommt jedes System dieselben erweiterten Prompts, geschrieben von Qwen3.8-27B; das Paper veröffentlicht nicht, was der Layout-Rewriter in der Produktion ausgibt, es handelt sich also um Befunde zum Benchmark. Nach meiner Zählung steht die exakte Zeichenfolge 背景替换为浅灰色, „Hintergrund durch Hellgrau ersetzen”, in 89 der 126 Fälle, ein blass beiger oder gebrochen weißer Hintergrund in 23 weiteren (ohne einen beige-grauen Fall). Ein Präsentationsständer (展示台) kommt in 61 vor, und 26 wiederholen eine Standardphrase, 模糊的白色几何结构, verschwommene weiße geometrische Strukturen.
Soll der Prompt-Enhancer einen ganzen Raum erfinden, bestellt er meist den alten weißen Hintergrund zwei Töne dunkler, oft mit Präsentationsständer.
Zalando liefert einen Vergleich, keine Abstammungslinie. Der Partner-Leitfaden sagt: „Auf Primär-Packshots, die mit weißem Hintergrund eingereicht wurden, legen wir automatisch einen hellgrauen Hintergrund.” Zalando setzt dieses Grau selbst nach dem Upload. Derselbe Leitfaden untersagt nicht-englischen Text auf Primäransichten, was die chinesischsprachigen Poster des Studios verletzen würden.
Die meisten Produkte brauchen ein Hauptbild mit „reinweißem Hintergrund (RGB-Farbwerte: 255, 255, 255)“, das Produkt füllt 85 % des Bildes aus, und Requisiten, die nicht zum Lieferumfang gehören, sind tabu; für eine begrenzte Zahl von Produkttypen ist ein Lifestyle-Bild erlaubt. 2023 illustrierte Amazon Ads das Argument für Inszenierung mit einer Kaffeetasse „auf einer Küchenarbeitsplatte neben einem Croissant” und nannte eine Klickrate „mehr als 40 % höher” bei Sponsored-Brands-Anzeigen auf Mobilgeräten, aus internen US-Daten.
Fünf der 126 Fälle tragen Roger-Vivier-Branding, zwei davon sind Pumps. Nach Darstellung des Hauses entwarf Vivier für Yves Saint Laurents Mondrian-Präsentation 1965 einen schwarzen Pumps, „verziert mit einer übergroßen verchromten Schnalle”, und Catherine Deneuve trug zwei Jahre später ein Paar in Luis Buñuels Belle de Jour. Fall 0289 ist ein Nachfahre, ein schwarzer Pumps mit kristallbesetzter quadratischer Schnalle, den die Produktsperre bis in den Umriss abdeckt. Sein erweiterter Prompt stellt den Schuh leicht geneigt auf einen hellgrauen Marmorsockel vor einen blass beigeweißen Hintergrund mit gestreifter Wandverkleidung, und seine Textliste ergänzt ein Angebot von 24 zinslosen Raten (臻享24期免息).
Die Autoren benennen selbst die Grenze. Ihre Rewards „erfassen, was wir artikulieren können”, schreiben sie, und das System „optimiert auf einen einzigen Qualitätsbegriff pro SKU”; eine Konditionierung auf Zielgruppe und Stil würde „tatsächlich unterschiedliche Assets statt einer kanonischen Behandlung” liefern. Das Paper sagt nicht, ob Händler ein Poster zu sehen bekommen, bevor es ausgespielt wird. Bei Millionen Bildern am Tag ist der Raum die Entscheidung eines Modells, und in den von Alibaba veröffentlichten Mode-Prompts lautet diese Entscheidung meist Hellgrau.