Investigadores de Adobe Research y de la Universidad de California en San Diego (UC San Diego) construyeron EditAgent, un agente de IA para editar imágenes que combina un editor de uso general con herramientas especializadas. Un modelo de lenguaje estándar compara los resultados con datos medidos y elige el mejor. El trabajo se describe en un paper nuevo, informó The Decoder el 1 de noviembre.
Los agentes de IA para edición de imágenes suelen dividir una petición compleja en pasos y, cuando un paso falla, lo reintentan con las mismas herramientas. Un modelo aparte juzga el resultado mirándolo a ojo.
Con EditAgent, el equipo quiere cambiar eso y acercarse a cómo trabaja un profesional en Photoshop, según el paper. El sistema elige la herramienta adecuada para cada tarea y compara el resultado contra el original con números concretos.
¿Por qué falla un editor de uso general?
En una prueba de 600 ediciones de imagen, calificadas a ciegas por cinco profesionales, el editor de uso general Flux-2-Klein-9B no entregó un resultado utilizable en el 42,7% de los casos. Las herramientas especializadas resolvieron cerca de dos tercios de esas fallas, sobre todo en enfoque, rotación y acercamiento. Hacer más intentos con el mismo editor casi no ayudó.
Los investigadores también probaron si a un agente le va mejor refinando el resultado paso a paso o generando varias variantes en paralelo. El refinamiento iterativo acumula errores pequeños, porque cada ronda parte de una imagen que ya fue alterada. Los profesionales prefirieron las variantes paralelas generadas desde el original en el 78,5% de las comparaciones en que tomaron partido. Además, el agente necesitó la mitad de pasadas de evaluación. EditAgent se apoya en esos dos hallazgos.
Números duros para un mejor juez
EditAgent planifica la petición en pasos y, en cada uno, enfrenta al editor de uso general con las herramientas especializadas que correspondan. Un modelo de lenguaje estándar compara después todas las variantes en una sola pasada.
Para cada variante, el modelo recibe un registro de verificación con un acercamiento al área editada, un mapa de las regiones que cambiaron y estadísticas medidas de brillo y color. En un ejemplo, había que aclarar una foto con suavidad. Los números mostraron que el editor general la sobreexpuso y corrió los colores hacia tonos más cálidos, mientras que la herramienta especializada se mantuvo dentro de lo pedido.
Los investigadores lo probaron sobre su banco de 600 ediciones. El modelo juez tenía que escoger el mejor resultado entre varios candidatos, y se contó cuántas veces eligió una imagen que los profesionales también calificaban como utilizable. Para comparar usaron modelos como EditScore, ajustados con calificaciones humanas de ediciones de imagen.
Sin el registro de verificación, ninguno de los siete modelos de lenguaje probados alcanzó al mejor modelo ajustado. Con el registro, los siete superaron a todos los modelos ajustados.
| Juez | Elecciones utilizables |
|---|---|
| Qwen3.8-27B con registro de verificación | 81,3% |
| EditScore-72B, ajustado con calificaciones humanas | 74,8% |
Para los autores, esto sugiere que lo que ve un modelo juez puede importar más que la forma en que fue entrenado.
Después de cada ronda, EditAgent revisa además si una edición posterior deshizo por accidente una anterior. En el ejemplo del paper, la instrucción "deja entrar más luz de día" vuelve transparente una ventana que antes se había esmerilado. El agente detecta el conflicto y lo corrige.
Resultados y costo en cómputo
EditAgent mejoró a los editores de código abierto Qwen-Image-Edit-2511 y Flux-2-Klein-9B en tres bancos de prueba, y superó a otros siete agentes de IA. En el banco EdiVal, la variante con Qwen, en su tercera ronda de edición, quedó levemente por delante de los modelos comerciales Seedream 4.0 y GPT-Image-1.5.
El agente necesita cerca de diez veces más cómputo que un editor solo, y su rendimiento depende de las herramientas que tenga conectadas.
¿Para qué sirve tanto cómputo?
Los investigadores también usan EditAgent como fuente de datos. Como el agente solo conserva resultados verificados, produjo unos 26.000 ejemplos de entrenamiento. Los editores ajustados con esos datos rindieron mejor en los tres bancos de prueba. En cambio, los datos de entrenamiento generados directamente por FLUX empeoraron a FLUX. Ese contraste podría hacer que el alto costo de cómputo del agente se pague con el tiempo.
Adobe sumó agentes de IA a Photoshop, Premiere y otras aplicaciones de Creative Cloud en junio, como beta pública. El usuario describe lo que quiere y el agente resuelve los pasos. Qué tan bien eligen la herramienta correcta y revisan su propio trabajo es una pregunta que toca directamente a los productos que Adobe ya vende.
Black Forest Labs ya reemplazó el modelo de uso general que se probó en el paper. El nuevo Flux 3 Image Klein tiene 5.600 millones de parámetros, menos que Flux 2 Klein, y aun así supera a todos los demás modelos abiertos e incluso al comercial Flux 2 Pro en las pruebas internas de Black Forest Labs.
