EC主画像を日産数百万枚、AIが自動生成

研究の概要

電子商取引（EC）の商品ページで最初に目に入る主画像は、クリック率や購入率を左右する重要な資産である。ところが商品点数（SKU）が膨大になると、撮影や加工の外注に頼る従来の制作体制では、品質と量を両立させにくい。

研究チームが提案したCommerceGen-Studioは、この主画像を商品情報から一貫して自動生成するフレームワークである。処理は「情報抽出」「意味の書き換え」「複数条件での画像生成」の三段階で構成される。論文によれば、同システムは​日産数百万枚、1枚あたり数秒​という規模で本番運用されており、この種のシステムとして商用規模で動く先駆的な事例だと位置づけている。

評価のため、実際のトラフィックから集めた難事例を全商品カテゴリにわたって収録したベンチマーク「CommerceGen-Bench」も公開された。公開されたオープンソースのモデルとの比較では、プロンプト強化の有無を問わず二つの編集トラックで総合最高スコアを記録した。さらに、はるかに大規模なクローズドモデルとも同等の水準を示し、「指示への忠実度」と「商品の統合度」では一部のモデルを上回った。この二点は、画像を公開できるかどうかを分ける性質だと論文は述べる。

しくみをやさしく

第一段階の情報抽出では、PERL-Agentと呼ばれる仕組みが働く。商品名、仕様、説明文、既存画像といったばらばらの商品情報を、短い「売りの文言リスト」に要約する。ここでは画像を読む視覚言語モデル（VLM）と文章を扱う大規模言語モデル（LLM）が、役割を分けて案を出し、評価し、直すという循環を繰り返す。採点には正解データを必要としない評価基準（ルーブリック）を用いるため、人手の正解づくりを省ける点が特徴である。

第二段階の意味の書き換えでは、Layout Thinker Optimization（LTO）が、売りの文言を画像生成向けの指示文と配置案に変換する。文章としての出来だけでなく、実際に描画された画像の品質も報酬に加え、二つの領域の方策最適化を交互に行うことで、言葉と画像のずれを抑える。

第三段階の生成を担うSKU-DiTは、画像生成モデルの一種である。白背景の商品画像、商標の切り抜き、構造化されたレイアウトの三つを同時に条件として受け取る。これにより、商品の形状、ロゴの崩れ、文字の誤りという、ECで起こりがちな三つの失敗を同時に抑える。学習にはReinforce-Distill-Reinforce（RDR）という段階的な訓練が使われる。強化学習で品質を高め、蒸留で高速化し、再び強化学習で磨く流れであり、数秒での生成はこの設計に支えられている。

ビジネスへの示唆

まず想定されるのは、ECモールや自社EC運営部門で日々繰り返される「新規商品の主画像づくり」である。商品登録のたびに撮影、レタッチ、文言の検討、承認が発生し、季節商戦や出品急増期には制作担当が詰まりやすい。読者は自部署で、主画像を誰が何時間かけて作り、どこで差し戻しが起きているかを思い浮かべてみてほしい。

影響を受けやすい部門と、動く可能性のある指標は次のとおりである。

• EC運営・出品部門：商品登録から公開までのリードタイム、1商品あたりの制作工数
• クリエイティブ・デザイン部門：レタッチなど定型作業の負荷、差し戻し率
• ブランド・法務部門：商標やロゴの誤表示の件数、規約違反による掲載却下率
• マーケティング部門：クリック率、購入転換率、画像の検証サイクル

特に注目すべきは、商標の保持と文字の正確さを設計の中心に置いた点である。ブランドメーカーや小売では、ロゴの変形や誤字が一件でもあれば信用問題になりうる。生成AIの導入障壁だった「公開できる品質かどうか」に正面から取り組んでいる。

現場での導入イメージ

仮に導入支援に入るなら、次の流れを提案する。

1. 棚卸し：主画像の制作フローを、商品登録から公開まで可視化する。撮影、加工、文言作成、承認のどこで時間と差し戻しが生じているかを洗い出す。目指す到達点は、「どの商品群のどの工程が詰まりか」を担当者全員が共通認識として持つ状態である。

2. 差し込み先の設計：新しいツールを増やさず、既存の商品情報管理（PIM）や出品システムの前段・後段に載せる。商品マスタの情報を入力とし、白背景画像と商標データを既存の素材庫から引く設計が現実的である。目指す到達点は、担当者が普段の画面から離れずに候補画像を受け取れる状態である。

3. 小さく試す（PoC）：一つの部署、一つの商品カテゴリで数週間、生成画像を既存の制作物と並べて確認する。判定は、商標の崩れ、文字の誤り、商品形状の再現を担当者が目視で点検する形が適する。小さく・安く始められる設計にし、現場の実感を基準にする。目指す到達点は、「これなら公開してよい」という判断基準が現場の言葉で定まることである。

4. 運用と横展開：公開可否の基準、人による最終確認の位置、失敗事例の蓄積方法を整え、他カテゴリや他部署へ広げる。論文のCommerceGen-Benchのように、自社の難事例を集めて評価用データにしておくと、運用中の品質確認に役立つ。目指す到達点は、定型の主画像は自動化し、人は企画性の高い訴求づくりと最終確認に集中できる体制である。

全体として目指すのは、主画像の制作を「個別の手作業」から「品質基準を持つ量産ライン」へ移し、公開までの待ち時間と手戻りを減らせる状態である。

今後の展望

本研究の評価は、主に著者らが集めた自社トラフィック由来のベンチマークに基づく。他社の商品構成や規制環境で同じ水準が得られるかは、個別の検証が必要である。また、論文が示す優位性は、大規模なクローズドモデルとの比較で一部の観点に限られる。

それでも、日産数百万枚という運用実績は、画像生成が実験段階を超えて商用の基盤になりつつあることを示している。今後は、小売、ブランドメーカー、広告運用の各社が、画像の量そのものよりも、公開基準の設計と運用統制で差をつける局面に入るとみられる。