Por Canuto  

Adobe Research y UC San Diego desarrollaron EditAgent, un agente que combina herramientas de edición especializadas y comparación de variantes para mejorar los resultados. En pruebas con profesionales, el sistema elevó la precisión de sus elecciones, aunque necesita cerca de diez veces más capacidad de cómputo que un editor individual.
***

  • EditAgent genera varias alternativas desde la imagen original y las compara, en lugar de insistir con una sola herramienta o acumular cambios sucesivos.
  • Con datos medidos de brillo, color y regiones alteradas, Qwen3.8-27B eligió una opción utilizable en 81,3% de los casos, frente a 74,8% de EditScore-72B.
  • Los investigadores aprovecharon los resultados verificados para producir unos 26.000 ejemplos de entrenamiento, aunque el agente requiere alrededor de diez veces más cómputo.

Adobe Research y la Universidad de California en San Diego desarrollaron EditAgent, un sistema que busca acercar la edición de imágenes con inteligencia artificial al criterio de un profesional. En vez de depender de un solo editor generalista, el agente organiza una solicitud en pasos, consulta herramientas especializadas y compara distintas versiones para elegir el resultado más adecuado.

El trabajo aborda una limitación habitual de estos sistemas: producir una imagen no garantiza que el resultado respete instrucciones concretas de brillo, color, enfoque o encuadre. Según la evaluación descrita por The Decoder, EditAgent combina candidatos generados en paralelo con datos de verificación y mejora el desempeño de editores abiertos, aunque demanda cerca de diez veces más capacidad de cómputo que un editor individual.

Por qué un editor generalista no basta

Los agentes de edición suelen dividir una solicitud compleja en tareas más pequeñas, pero si una operación falla pueden repetirla con la misma herramienta. Además, algunos sistemas dejan que otro modelo juzgue el resultado observando la imagen, sin incorporar mediciones detalladas de los cambios. Los investigadores de Adobe Research y UC San Diego plantean que esa combinación puede pasar por alto errores que importan al usuario.

En una prueba de 600 ediciones, cinco profesionales evaluaron los resultados del modelo generalista Flux-2-Klein-9B. El editor no produjo una imagen utilizable en 42,7% de los casos, una tasa de fallos que muestra las limitaciones de pedir a una herramienta de propósito general que resuelva por sí sola tareas distintas. La evaluación no afirma que el modelo sea inútil, sino que no siempre responde a las exigencias específicas de cada operación.

Las herramientas diseñadas para una función particular resolvieron aproximadamente dos tercios de esos fallos, sobre todo en labores de enfoque, rotación y zoom. En cambio, repetir intentos con el mismo editor generalista apenas aportó mejoras. El contraste respalda una idea central del sistema: cuando una operación exige una capacidad concreta, escoger una herramienta especializada puede ser más eficaz que insistir con el mismo modelo.

El equipo también comparó dos formas de mejorar una edición: refinarla paso a paso o producir varias opciones en paralelo a partir del original. Los profesionales prefirieron las variantes paralelas en 78,5% de las comparaciones en las que eligieron un resultado, mientras que el refinamiento sucesivo puede acumular pequeños errores porque cada ronda parte de una imagen ya modificada. Según el estudio, el método paralelo también necesitó la mitad de las rondas de evaluación.

Mediciones para elegir la mejor versión

EditAgent aplica esos hallazgos mediante un flujo de trabajo que planifica la solicitud en pasos dependientes. Para cada etapa, el sistema enfrenta el editor generalista con herramientas especializadas apropiadas y produce varios candidatos, en vez de apostar todo a una sola salida. Después, un modelo de lenguaje estándar compara las alternativas en una única pasada.

La comparación no se limita a mostrarle al modelo la imagen completa. El agente entrega un registro de verificación que incluye un recorte del área editada, un mapa de las regiones modificadas y estadísticas medidas sobre brillo y color. Esos elementos permiten contrastar la intención de la instrucción con cambios concretos, una diferencia relevante cuando el error es sutil o queda escondido en una parte pequeña de la imagen.

En uno de los ejemplos descritos, la instrucción pedía aclarar suavemente una fotografía. Las mediciones indicaron que el editor generalista había sobreexpuesto la imagen y desplazado los colores hacia tonos más cálidos, mientras que la herramienta especializada se mantuvo dentro de las especificaciones. El registro ayuda así a distinguir una mejora aparente de una edición que realmente respeta los límites indicados por el usuario.

El equipo probó el método con los 600 casos evaluados por profesionales y midió con qué frecuencia el modelo juez seleccionaba una imagen que ellos también consideraban utilizable. Sin los datos de verificación, ninguno de los siete modelos de lenguaje probados igualó al mejor evaluador ajustado con calificaciones humanas. Al añadir esos datos, los siete superaron a los modelos afinados incluidos en la comparación.

Mejores resultados, a cambio de más cómputo

Qwen3.8-27B fue el modelo de lenguaje que obtuvo el mejor resultado citado: escogió una opción utilizable en 81,3% de las ocasiones. EditScore-72B, un modelo ajustado con evaluaciones humanas de ediciones, alcanzó 74,8%. Para los investigadores, la diferencia sugiere que la información que recibe un modelo juez puede ser tan importante como el ajuste específico que haya recibido para evaluar imágenes.

El sistema también revisa los cambios acumulados al terminar cada ronda, con el propósito de detectar si una instrucción posterior anuló una edición anterior. En el ejemplo del artículo, una petición para dejar entrar más luz del día podía volver a aclarar una ventana que ya se había empañado. EditAgent identifica el conflicto y corrige el resultado, en lugar de asumir que cada nueva modificación conserva intactas las anteriores.

En tres puntos de referencia, EditAgent mejoró los editores abiertos Qwen-Image-Edit-2511 y Flux-2-Klein-9B, y superó a otros siete agentes de inteligencia artificial. En EdiVal, la variante basada en Qwen alcanzó en su tercera ronda un desempeño superior al de Seedream 4.0 y GPT-Image-1.5, según los resultados descritos por los investigadores. La comparación se refiere a ese punto de referencia y no establece por sí sola una superioridad general en cualquier tarea de edición.

La principal limitación práctica es el costo: EditAgent necesita aproximadamente diez veces más capacidad de cómputo que ejecutar un único editor. Además, su rendimiento depende de las herramientas que los desarrolladores conecten al sistema, por lo que la selección de modelos y funciones disponibles condiciona lo que puede resolver. La ganancia de precisión, por tanto, viene acompañada de una exigencia operativa que puede dificultar su uso a gran escala.

De agente costoso a datos para nuevos modelos

Los investigadores proponen aprovechar EditAgent no solo para atender solicitudes, sino también para construir material de entrenamiento. Como el agente conserva los resultados que pasan sus comprobaciones, generó unos 26.000 ejemplos verificados. La intención es usar esas muestras para enseñar a otros editores a producir resultados más fiables sin tener que ejecutar en cada ocasión el flujo completo y más costoso del agente.

Los editores ajustados con esos datos rindieron mejor en los tres puntos de referencia mencionados. El contraste es importante: los ejemplos generados directamente por FLUX hicieron que FLUX empeorara, mientras que la selección de resultados verificados produjo mejoras. El hallazgo apunta a que la calidad y la validación de los datos sintéticos pueden importar más que simplemente aumentar su volumen, aunque el artículo no plantea que ese resultado resuelva todos los retos de entrenamiento.

La investigación se conecta con la incorporación de agentes de inteligencia artificial a Photoshop, Premiere y otras aplicaciones de Creative Cloud, anunciada por Adobe en junio como una versión beta pública. En ese tipo de producto, los usuarios describen un objetivo y el agente se encarga de ejecutar pasos individuales. Por eso, la capacidad de seleccionar la herramienta correcta y comprobar el resultado tiene implicaciones directas para las funciones que la compañía ofrece a sus clientes.

The Decoder también señala que Black Forest Labs sustituyó después el modelo generalista que se había probado en el artículo. Según las pruebas internas de esa empresa, Flux 3 Image Klein tiene 5.600 millones de parámetros, menos que Flux 2 Klein, y puntúa por encima de otros modelos abiertos e incluso de Flux 2 Pro. Esa referencia ofrece contexto sobre la evolución de los editores, pero no cambia los resultados concretos de la evaluación de EditAgent.

El sistema presenta una apuesta por separar generación y evaluación: producir varias opciones, medirlas y conservar las que cumplen mejor la instrucción. Esa estrategia puede elevar la calidad y generar ejemplos útiles para modelos más rápidos, pero el costo de cómputo y la dependencia de herramientas conectadas siguen siendo límites decisivos. El trabajo examina así una cuestión central para los agentes creativos: no solo cómo editar, sino cómo verificar que la edición realmente hizo lo solicitado.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados