Un agente que no depende de repetir la misma edición
Investigadores de Adobe Research y la Universidad de California en San Diego (UC San Diego) desarrollaron EditAgent, un sistema de inteligencia artificial diseñado para abordar la edición de imágenes de una manera más cercana al trabajo de un profesional.
Su principal diferencia está en cómo decide qué resultado conservar. En lugar de pedirle repetidamente a un mismo editor de propósito general que vuelva a intentar una modificación, EditAgent genera varias alternativas en paralelo utilizando diferentes herramientas. Estas incluyen editores generales y especializados en ajustes locales, de tono y de estilo.
Después, un modelo de lenguaje convencional, sin modificaciones específicas, compara todas las propuestas para determinar cuál cumple mejor con lo solicitado. Para tomar esa decisión utiliza un registro de verificación que reúne información visual y mediciones de los cambios realizados.
Este planteamiento permite que el sistema explore distintas soluciones al mismo tiempo, en lugar de depender de una sucesión de intentos con una única herramienta.
Las herramientas especializadas resuelven muchos de los fallos
Los investigadores evaluaron el sistema mediante una prueba de 600 ediciones, cuyos resultados fueron valorados a ciegas por cinco profesionales.
En ese experimento, el editor general Flux-2-Klein-9B no consiguió producir un resultado utilizable en el 42,7% de las ocasiones. Las herramientas especializadas lograron resolver aproximadamente dos tercios de esos casos problemáticos, especialmente cuando las modificaciones estaban relacionadas con la nitidez, la rotación y el zoom.
En cambio, volver a ejecutar el mismo editor general apenas mejoró los resultados.
La comparación entre las alternativas también favoreció el enfoque de EditAgent: los profesionales eligieron las variantes generadas en paralelo a partir de la imagen original en el 78,5% de las comparaciones en las que seleccionaron una de las opciones. Además, el agente necesitó aproximadamente la mitad de pasadas de evaluación.
Un sistema de evaluación basado en evidencias
Otro elemento importante de EditAgent es la información que recibe el modelo encargado de juzgar las propuestas.
Para cada variante, el evaluador dispone de tres elementos:
- Un primer plano de la zona de la imagen que se ha modificado.
- Un mapa que identifica las regiones donde se produjeron cambios.
- Estadísticas medidas de brillo y color.
La combinación permite comparar las instrucciones originales con los efectos reales de cada edición.
Los investigadores ilustran este mecanismo con un ejemplo en el que el editor general sobreexpuso una fotografía y desplazó sus colores hacia tonalidades más cálidas. La herramienta especializada, en cambio, mantuvo los ajustes dentro de lo especificado.
La importancia de este registro también aparece en las pruebas con distintos modelos de lenguaje. Sin la información de verificación, ninguno de los siete modelos evaluados consiguió igualar al mejor modelo ajustado específicamente para esta tarea (fine-tuned). Cuando recibieron esas evidencias, los siete superaron a todos los modelos ajustados.
Entre los resultados, Qwen3.8-27B alcanzó un 81,3% de aciertos en la identificación de resultados utilizables, frente al 74,8% de EditScore-72B. La incorporación de evidencias elevó las puntuaciones entre 6,3 y 9,3 puntos porcentuales.
EditAgent también comprueba que los cambios anteriores se mantengan
El sistema incorpora otra función para evitar que una modificación posterior deshaga accidentalmente un trabajo previo.
Después de cada ronda de edición, comprueba si los cambios nuevos entran en conflicto con los anteriores. Por ejemplo, si el usuario pide que entre más luz en una habitación después de haber solicitado que una ventana quede esmerilada, el agente puede detectar que la nueva modificación ha vuelto a aclarar esa ventana y corregir el conflicto.
Esta comprobación permite que las distintas instrucciones se evalúen teniendo en cuenta el estado acumulado de la imagen, en lugar de tratar cada petición como una modificación independiente.
Mejores resultados en tres benchmarks
Los investigadores probaron EditAgent con los editores de código abierto Qwen-Image-Edit-2511 y Flux-2-Klein-9B. El sistema mejoró el rendimiento de ambos en tres benchmarks y superó a otros siete agentes de inteligencia artificial.
Uno de los resultados destacados corresponde al benchmark EdiVal. En él, la variante basada en Qwen, durante su tercera ronda de edición, superó por un margen reducido a los modelos comerciales Seedream 4.0 y GPT-Image-1.5.
Los resultados muestran que la combinación de herramientas especializadas, generación paralela y evaluación con evidencias puede mejorar el rendimiento de los editores de imágenes utilizados como base.
Los resultados también sirven para entrenar otros editores
El registro de verificación tiene otra utilidad: permite conservar únicamente los resultados que han superado las comprobaciones del agente.
A partir de este proceso, EditAgent generó aproximadamente 26.000 ejemplos de entrenamiento. Los investigadores utilizaron esos datos para ajustar otros editores y comprobaron que los modelos resultantes mejoraron en los tres benchmarks evaluados.
La comparación con otro método de generación de datos también fue relevante: los ejemplos producidos directamente por FLUX empeoraron el rendimiento de FLUX, mientras que los datos seleccionados mediante EditAgent permitieron obtener mejores resultados.
De esta manera, el sistema no solo funciona como un agente de edición, sino también como un mecanismo para producir ejemplos de entrenamiento basados en resultados verificados.
El coste computacional sigue siendo un desafío
El enfoque tiene una limitación importante: EditAgent necesita aproximadamente diez veces más capacidad de cómputo que un editor individual.
Además, su rendimiento depende de las herramientas que se conecten al sistema. Por tanto, los resultados están relacionados tanto con el mecanismo de coordinación y evaluación como con las capacidades de los editores disponibles.
La generación de múltiples alternativas y su posterior comparación ofrecen ventajas en calidad, pero también implican un coste computacional considerablemente superior al de utilizar una sola herramienta.
En contexto
Adobe incorporó agentes de inteligencia artificial a Photoshop, Premiere y otras aplicaciones de Creative Cloud en junio, inicialmente mediante una beta pública. EditAgent es una investigación desarrollada por Adobe Research y UC San Diego sobre cómo los agentes pueden coordinar herramientas de edición y evaluar sus resultados.
