A Adobe Research e a University of California, San Diego, desenvolveram o EditAgent, um sistema de IA criado para lidar com tarefas de edição de imagens de forma mais parecida com um usuário experiente do Photoshop. Em vez de aplicar repetidamente o mesmo editor de uso geral, o sistema divide uma solicitação em etapas e seleciona ferramentas especializadas quando elas são mais adequadas para uma determinada operação.
Os pesquisadores constataram que os editores de uso geral frequentemente têm dificuldades com tarefas específicas. Em um teste com 600 edições de imagens avaliadas às cegas por cinco profissionais, o Flux-2-Klein-9B não conseguiu produzir um resultado utilizável em 42,7% dos casos. Ferramentas especializadas resolveram cerca de dois terços dessas falhas, especialmente em tarefas de nitidez, rotação e zoom.
O estudo também comparou a edição iterativa com a geração de várias alternativas a partir da imagem original. Os profissionais preferiram variantes paralelas em 78,5% das comparações nas quais selecionaram uma abordagem. Segundo os pesquisadores, o refinamento repetido pode acumular erros porque cada nova tentativa se baseia em uma imagem já modificada. Por isso, o EditAgent gera resultados concorrentes e os avalia, em vez de depender exclusivamente de novas tentativas repetidas.
Seu processo de avaliação fornece a um modelo de linguagem padrão dados adicionais de verificação para cada variante de imagem. Isso inclui um close-up da área editada, um mapa que mostra as regiões alteradas e medições relacionadas ao brilho e à cor. O modelo usa essas informações para comparar os candidatos em uma única passagem.
No benchmark com 600 edições, o registro de verificação melhorou significativamente as seleções dos modelos de linguagem. Sem os dados adicionais, nenhum dos sete modelos testados igualou o modelo mais forte ajustado com base em avaliações humanas. Com eles, todos os sete tiveram desempenho superior ao dos modelos ajustados. O Qwen3.8-27B selecionou uma imagem que os profissionais consideraram utilizável em 81,3% das vezes, em comparação com 74,8% para o EditScore-72B.
O EditAgent também verifica se instruções posteriores reverteram involuntariamente edições anteriores. Em um exemplo descrito pelos pesquisadores, uma instrução para permitir a entrada de mais luz do dia fez com que uma janela anteriormente fosca voltasse a ficar transparente. O sistema detectou o conflito e corrigiu o resultado.
O sistema melhorou os editores de código aberto Qwen-Image-Edit-2511 e Flux-2-Klein-9B em três benchmarks, além de superar outros sete agentes de IA. No benchmark EdiVal, a versão baseada no Qwen em sua terceira rodada de edição superou por uma pequena margem os modelos comerciais Seedream 4.0 e GPT-Image-1.5.
A principal limitação é o custo computacional. O EditAgent exige cerca de dez vezes mais poder de computação do que um único editor, e seus resultados dependem das ferramentas conectadas a ele. Os pesquisadores também usaram o sistema para gerar aproximadamente 26.000 exemplos de treinamento verificados. Modelos ajustados com esses dados tiveram desempenho melhor nos três benchmarks, enquanto os dados de treinamento gerados diretamente pelo FLUX reduziram o desempenho do FLUX.
A Adobe começou a adicionar agentes de IA ao Photoshop, ao Premiere e a outros aplicativos da Creative Cloud em versão beta pública em junho. O trabalho dos pesquisadores aborda um desafio relacionado para esses produtos: determinar como um agente escolhe a ferramenta apropriada e verifica se seu resultado final corresponde à solicitação do usuário.
Fontes: The Decoder.