A
КартинкиAdobeEditAgentUC San DiegoИИ-агентыредактирование изображений

Adobe и UC San Diego создали EditAgent: агент выбирает инструмент под правку

Сергей Сергеев, редактор gen-hub.ru
Сергей Сергеев
Редактор gen-hub.ru
·3 мин чтения
Adobe и UC San Diego создали EditAgent: агент выбирает инструмент под правку

Исследователи Adobe Research и Калифорнийского университета в Сан-Диего представили EditAgent - агента для редактирования изображений, который работает ближе к живому фотошоперу. Вместо того чтобы раз за разом гонять одну универсальную модель, он подбирает под каждый шаг подходящий инструмент, а результат проверяет по измеренным числам, а не на глаз.

Где ломаются универсальные редакторы

Обычный агент для правки фото делит сложный запрос на шаги и при неудаче повторяет шаг теми же средствами. Качество отдельно оценивает другая модель, которая просто смотрит на картинку.

Авторы проверили, насколько это работает, на наборе из 600 правок. Пять профессионалов оценивали результаты вслепую. Универсальный редактор Flux-2-Klein-9B не выдал пригодного результата в 42,7% случаев. Специализированные инструменты закрыли примерно две трети этих провалов, особенно в задачах на резкость, поворот и приближение. Дополнительные попытки тем же редактором почти ничего не меняли.

Параллельно, а не по кругу

Второй вопрос: что лучше, дорабатывать картинку шаг за шагом или сразу делать несколько вариантов? При последовательной доработке ошибки копятся, потому что каждый раунд стартует с уже испорченного кадра. Когда профессионалы выбирали сторону, варианты, сделанные параллельно от оригинала, они предпочли в 78,5% сравнений. Оценок при этом понадобилось вдвое меньше.

На этих двух наблюдениях и построен EditAgent. Он разбивает запрос на зависимые шаги, для каждого запускает универсальный редактор и профильные инструменты, а затем языковая модель сравнивает все варианты за один проход.

Судья, у которого есть измерения

Главный прием - "протокол проверки", который получает модель-судья. В него входят крупный план измененной области, карта изменений и статистика по яркости и цвету. В примере из статьи фото нужно было слегка осветлить. Цифры показали, что универсальный редактор пересветил кадр и сдвинул цвета в теплую сторону, а специализированный инструмент уложился в заданное.

Судья - обычная языковая модель без дообучения. Задача была выбрать лучший вариант из нескольких, а засчитывалось совпадение с выбором профессионалов: пригоден ли выбранный кадр. Для сравнения взяли модели вроде EditScore, обученные на человеческих оценках правок. Без протокола ни одна из семи проверенных языковых моделей не дотянула до лучшей дообученной. С протоколом все семь обошли все дообученные модели. Например, Qwen3.8-27B выбрала пригодный вариант в 81,3% случаев, а EditScore-72B - в 74,8%.

Вывод для практики простой: слабое место таких систем часто не в самой модели-оценщике, а в том, что ей показывают. Дать ей крупный план и числа дешевле, чем обучать отдельного судью.

Цена точности

EditAgent точнее прежних агентов, но требует примерно в десять раз больше вычислений. Для интерактивной работы это дорого. Авторы видят выход в другом: проверенные результаты агента можно использовать как обучающие данные для более быстрых моделей редактирования. То есть тяжелая система служит учителем, а не конечным инструментом.

О встраивании EditAgent в Photoshop или другие продукты Adobe в материале не сообщается, это исследовательская работа. Тем не менее направление понятно: компания проверяет, как агенты могут пользоваться привычными инструментами редактирования, а не заменять их одной генеративной моделью.

Подробности - в препринте, на который ссылается The Decoder.

Источники

Все эти инструменты - уже на Genova-ai

Картинки, видео, музыка, голос и ИИ-чат в одном месте. Без VPN и зарубежных карт.

Картинки
Видео
Музыка
Голос
ИИ-чат
Попробовать бесплатно

Похожие новости