creative-graphic-design/BannerRequest400

BannerRequest400是第一个专门设计用于评估广告横幅生成系统的多模态基准数据集。该数据集填补了现有设计数据集的空白，提供了视觉和文本输入。数据集包含100个独特的品牌标志（PNG和SVG格式）和400个不同的横幅设计请求（文本模态）。标志使用Claude 3.5 Sonnet合成生成，并通过专家细化以确保真实美学和避免偏见。研究人员利用GPT-4o将每个设计意图扩展为四个不同的横幅请求，针对不同的受众-目的组合，从而产生400个多样化的规格，并进一步扩展到13个标准横幅尺寸，形成一个包含5,200个多模态横幅规格的综合评估集。该基准首次实现了对横幅生成方法在不同设计请求、多个上下文（不同受众细分和活动目的）以及行业标准显示尺寸上的严格评估。BannerRequest400 is the first multimodal benchmark specifically designed to evaluate advertising banner generation systems. It addresses gaps in existing design datasets by providing both visual and textual inputs. The dataset pairs 100 unique brand logos (provided in both PNG and SVG formats) with 400 diverse banner design requests (textual modality). The logos were synthetically generated using Claude 3.5 Sonnet, then refined by experts to ensure authentic aesthetics and avoid bias. Researchers leveraged GPT-4o to expand each design intention into four distinct banner requests targeting different audience-purpose combinations. This systematic expansion yielded 400 diverse specifications, further extended across 13 standard banner dimensions for a comprehensive evaluation set of 5,200 multimodal banner specifications. The benchmark enables the first rigorous evaluation of banner generation approaches across diverse design requests, multiple contexts (different audience segments and campaign purposes), and industry-standard display sizes.

搜集汇总

数据集介绍

构建方式

BannerRequest400数据集的构建根植于当前广告设计领域对多模态评估基准的迫切需求。其数据源于DESIGNERINTENTION数据集中的100个设计意图，经由GPT-4o对每个意图进行四重扩展，生成400条针对不同受众与营销目标的多样化横幅设计请求。同时，利用Claude 3.5 Sonnet合成100个品牌徽标，并经过领域专家精细化调整以确保视觉真实性与无偏性。最终，每条请求被细化至13种标准广告尺寸规格，形成包含5,200个多模态规格的全面评估集。

使用方法

数据集提供两种配置以适配不同研究需求：抽象配置包含400条独立样本，每条包含设计请求、PNG及SVG徽标，可直接用于端到端的横幅生成任务；具体配置则整合100组广告活动数据，每组包含基础请求、广告主信息及四组受众-目的变体，每组变体下涵盖13种标准尺寸的具体设计规格，适合开展细粒度的多模态设计评估与对比分析。研究社区可基于此基准测试不同生成模型在多样化场景下的表现。

背景与挑战

背景概述

BannerRequest400数据集由索尼研究团队于2025年创建，并在EMNLP 2025上发表，旨在填补广告横幅生成领域缺乏多模态基准测试的空白。该数据集将100个经专家精修、由Claude 3.5 Sonnet合成的品牌标识（以PNG和SVG格式提供）与400条经GPT-4o扩展的多样化设计请求相结合，系统性地覆盖了不同受众群体和营销目标。通过进一步将每条请求扩展至13种标准横幅尺寸，最终生成了5,200个多模态规格，为评估广告横幅生成系统提供了首个标准化、多维度的测试平台，推动了该领域从单一图像生成向多模态设计理解的范式转变。

当前挑战

该数据集所解决的领域核心挑战在于广告横幅生成需同时融合品牌标识与文本需求，而此前数据集多限于单一图像生成，缺乏对多模态输入的系统评价。数据集构建中面临的挑战包括：如何利用大语言模型（如GPT-4o）从有限的设计意图中生成语义丰富且多样化的400条请求，并确保每条请求在不同受众与目的组合下的独特性；以及如何合成100个风格统一、视觉真实的品牌标识，并经由专家精修以消除潜在偏差。此外，将每条请求扩展至13种行业标准尺寸，并保留设计规范的一致性，对数据标注的精细化与规模化提出了更高要求。

常用场景

经典使用场景

在广告设计与多模态生成领域，BannerRequest400被广泛用于评估与训练基于文本描述和品牌标识的横幅广告自动生成系统。该数据集将100个品牌标识与400条多样化的设计请求配对，涵盖13种行业标准尺寸，从而构建了5200个多模态规格样本。研究者可借此测试模型在理解设计意图、融合视觉元素与布局约束方面的能力，推动图像到文本与文本到图像任务的交叉验证。

解决学术问题

该数据集填补了广告横幅生成领域缺乏标准化评估基准的空白，解决了现有数据集仅关注单图像生成而忽略品牌标识与文本规格多模态融合的问题。通过系统性地引入受众细分、营销目的以及多尺寸设计变量，BannerRequest400使学术界能够量化评价模型在不同商业情境下的表现，推动了设计意图理解、视觉沟通逻辑及多模态对齐等基础研究问题的深入探索。

实际应用

在实际应用层面，BannerRequest400为广告营销行业中的自动化创意生产提供了关键支撑。品牌方可利用基于该数据集训练的模型，根据活动目标与目标受众快速生成适配不同展示尺寸的横幅广告，显著降低人工设计成本与迭代周期。此外，该数据集还赋能中小企业在无专业设计师的情况下实现高质量广告投放，提升数字营销的敏捷性与规模化效率。

数据集最近研究

最新研究方向

在当前多模态大语言模型（MLLM）与智能体技术蓬勃发展的背景下，BannerRequest400作为首个专为广告横幅生成系统设计的多模态基准数据集，填补了该领域在系统性评估方面的空白。该数据集通过将100个由Claude 3.5 Sonnet生成并经专家精修的合成品牌标识，与400条由GPT-4o衍生的多样化横幅设计需求相配对，构建了包含5,200条规格的评估体系。其前沿意义在于，它首次实现了对横幅生成方法在不同受众群体、营销目标以及13种行业标准尺寸下的严谨测评，为多模态LLM智能体在图形设计，特别是广告创意自动化领域的研究提供了标准化测试框架，有力推动了人工智能驱动的视觉传播与创意设计评估的前沿探索。