Adobe Research y la Universidad de California, San Diego, han desarrollado EditAgent, un sistema de IA destinado a gestionar tareas de edición de imágenes de una forma más parecida a la de un usuario experimentado de Photoshop. En lugar de aplicar repetidamente el mismo editor de propósito general, el sistema divide una solicitud en pasos y selecciona herramientas especializadas cuando son más adecuadas para una operación concreta.
Los investigadores descubrieron que los editores de propósito general suelen tener dificultades con tareas específicas. En una prueba de 600 ediciones evaluadas a ciegas por cinco profesionales, Flux-2-Klein-9B no logró producir un resultado utilizable en el 42,7 % de los casos. Las herramientas especializadas resolvieron aproximadamente dos tercios de esos fallos, especialmente en tareas de enfoque, rotación y zoom.
El estudio también comparó la edición iterativa con la generación de varias alternativas a partir de la imagen original. Los profesionales prefirieron las variantes paralelas en el 78,5 % de las comparaciones en las que seleccionaron un enfoque. Según los investigadores, el refinamiento repetido puede acumular errores porque cada nuevo intento se basa en una imagen ya modificada. Por ello, EditAgent genera resultados que compiten entre sí y los evalúa, en lugar de depender únicamente de reintentos sucesivos.
Su proceso de evaluación proporciona a un modelo de lenguaje estándar datos de verificación adicionales para cada variante de imagen. Esto incluye un primer plano del área editada, un mapa que muestra las regiones modificadas y mediciones relacionadas con el brillo y el color. El modelo utiliza esa información para comparar los candidatos en una sola pasada.
En la prueba de referencia de 600 ediciones, el registro de verificación mejoró significativamente las selecciones de los modelos de lenguaje. Sin los datos adicionales, ninguno de los siete modelos probados igualó al modelo más sólido ajustado con calificaciones humanas. Con ellos, los siete obtuvieron mejores resultados que los modelos ajustados. Qwen3.8-27B seleccionó una imagen que los profesionales consideraron utilizable el 81,3 % de las veces, frente al 74,8 % de EditScore-72B.
EditAgent también comprueba si instrucciones posteriores han invertido involuntariamente ediciones anteriores. En un ejemplo descrito por los investigadores, una instrucción para permitir la entrada de más luz diurna hizo que una ventana que antes tenía un acabado esmerilado volviera a ser transparente. El sistema detectó el conflicto y corrigió el resultado.
El sistema mejoró los editores de código abierto Qwen-Image-Edit-2511 y Flux-2-Klein-9B en tres pruebas de referencia, y superó a otros siete agentes de IA. En la prueba de referencia EdiVal, la versión basada en Qwen, en su tercera ronda de edición, superó ligeramente a los modelos comerciales Seedream 4.0 y GPT-Image-1.5.
La principal limitación es el coste computacional. EditAgent requiere aproximadamente diez veces más cómputo que un solo editor, y sus resultados dependen de las herramientas conectadas a él. Los investigadores también utilizaron el sistema para generar aproximadamente 26.000 ejemplos de entrenamiento verificados. Los modelos ajustados con esos datos obtuvieron mejores resultados en las tres pruebas de referencia, mientras que los datos de entrenamiento generados directamente por FLUX redujeron el rendimiento de FLUX.
Adobe comenzó a añadir agentes de IA a Photoshop, Premiere y otras aplicaciones de Creative Cloud en fase beta pública en junio. El trabajo de los investigadores aborda un desafío relacionado para esos productos: determinar cómo elige un agente la herramienta adecuada y verifica que su resultado final coincida con la solicitud del usuario.
Fuentes: The Decoder.