LO ESENCIAL EN 30 SEGUNDOS

  • En el banco de pruebas de 600 casos de los autores, el editor general FLUX.2-klein-9B no dio ningún resultado utilizable en el 42,7 % de los casos; herramientas especializadas resolvieron 175 de esos 256 fallos.
  • Con un registro de verificación para cada candidato, jueces de visión y lenguaje sin ajustar superan al juez especializado EditScore-72B (74,8 %); el mejor llega al 82,8 %.
  • Los autores calculan que el agente necesita unas 10 veces el tiempo de inferencia de un editor aislado y proponen usarlo para generar datos de entrenamiento.

Investigadores de Adobe Research y de la Universidad de California en San Diego han presentado EditAgent, un agente de edición de imágenes que no depende de un único modelo. El artículo, publicado en arXiv el 29 de octubre, sostiene que los agentes actuales están limitados tanto por las pocas herramientas que pueden usar como por jueces que solo examinan la imagen final.

Cómo funciona

EditAgent descompone una petición compleja en una serie de pasos. En cada uno, encarga el trabajo a un editor de uso general o a métodos especializados, por ejemplo para enfocar, rotar, hacer zoom o ajustar el tono, según explica The Decoder. En lugar de retocar una y otra vez la misma imagen, genera varios candidatos en paralelo desde el mismo punto de partida.

Después, un modelo de visión y lenguaje compara todos los candidatos de una sola vez. La novedad principal es un registro de verificación para cada candidato; según The Decoder, incluye un primer plano de la zona editada, un mapa de las regiones modificadas y mediciones de brillo y color. El artículo indica que, con estos registros, jueces sin modificar superan a uno ajustado específicamente para la tarea: EditScore-72B alcanza el 74,8 % en el banco de pruebas de los autores, frente al 82,8 % del mejor juez con registros, Qwen3.8-Flash-Next.

Qué muestra la evaluación

Los autores crearon un banco de pruebas de 600 conjuntos de edición repartidos en 30 tipos de cambios, etiquetados por cinco retocadores profesionales que no sabían qué método había generado cada imagen. En él, el editor general FLUX.2-klein-9B falló en 256 conjuntos, el 42,7 %, y un método especializado resolvió 175 de esos fallos. En otra comparación, los profesionales prefirieron la búsqueda en paralelo frente al refinamiento paso a paso en el 78,5 % de los 130 casos en que se decantaron por una opción. Según el artículo, EditAgent mejora dos editores de pesos abiertos, Qwen-Image-Edit-2511 y FLUX.2-klein-9B, en tres bancos de pruebas.

Costes y límites

El método es caro. Los autores reconocen un tiempo de inferencia unas 10 veces mayor que el de un editor aislado, y unos resultados condicionados por la calidad de las herramientas conectadas. Su propuesta es usar el agente como fuente de datos: unas 25.700 sesiones de edición verificadas se convirtieron en ejemplos de entrenamiento, y los editores ajustados con ellas mejoraron entre dos y tres puntos aproximadamente en los bancos de pruebas presentados.

EditAgent es un trabajo académico, no una función que Adobe haya anunciado para sus aplicaciones. Los resultados proceden de los propios bancos de pruebas de los autores y aún no se han reproducido de forma independiente.