Mirror in the Model: Ad Banner Image Generation via Reflective Multi-LLM and Multi-modal Agents

文章主要内容总结

本文提出了一种名为MIMO（Mirror In-the-Model） 的广告横幅图像自动生成框架，旨在解决现有生成模型在商业设计任务中存在的结构化布局、精确排版、品牌一致性等不足。

MIMO的核心包括两部分：

1. MIMO-Core：一种分层多模态多代理系统，通过“生成-评估-修订”的迭代循环，模拟人类设计团队分工（内容创作、质量评估、定向优化），动态改进视觉元素；
2. MIMO-Loop：高层协调层，通过启动多个MIMO-Core实例探索不同风格方向，结合多代理投票协议筛选劣质设计并共享信息，提升整体设计质量。

该框架仅需用户提供简单自然语言提示和logo图像，即可自动检测并纠正多种设计错误（如logo位置不当、关键信息缺乏强调、文本可读性差等）。实验表明，MIMO在11项设计指标上显著优于现有基线模型（如GPT-4o、Flux.1、Recraft V3等），尤其在品牌一致性、关键信息突出等商业设计核心需求上表现优异。

创新点

1. 分层多代理协作机制（MIMO-Core）：将设计任务分解为内容创作、评估、修订等子任务，由专门代理分工完成，通过迭代反馈提升设计精度；